Come calcolare la correlazione tra due colonne in pandas

È possibile utilizzare la seguente sintassi per calcolare la correlazione tra due colonne in un DataFrame panda:

 df[' column1 ']. corr (df[' column2 '])

Gli esempi seguenti mostrano come utilizzare questa sintassi nella pratica.

Esempio 1: calcolare la correlazione tra due colonne

Il codice seguente mostra come calcolare la correlazione tra le colonne in un DataFrame panda:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view first five rows of DataFrame
df. head ()

        points assists rebounds
0 25 5 11
1 12 7 8
2 15 7 10
3 14 9 6
4 19 12 6

#calculate correlation between points and assists
df[' points ']. corr (df[' assists '])

-0.359384

Il coefficiente di correlazione è -0,359 . Poiché questa correlazione è negativa, ciò ci dice che i punti e gli assist sono correlati negativamente.

In altre parole, all’aumentare dei valori nella colonna dei punti, i valori nella colonna degli assist tendono a diminuire.

Esempio 2: calcolare la significatività della correlazione

Per determinare se un coefficiente di correlazione è statisticamente significativo o meno, è possibile utilizzare la funzione peppersonr(x, y) dalla libreria SciPy .

Il codice seguente mostra come utilizzare in pratica questa funzione:

 import pandas as pd
from scipy. stats import pearsonr

#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#calculate p-value of correlation coefficient between points and assists
pearsonr(df[' points '], df[' assists '])

(-0.359384, 0.38192)

Il primo valore dell’output visualizza il coefficiente di correlazione (-0,359384) e il secondo valore visualizza il valore p (0,38192) associato a tale coefficiente di correlazione.

Poiché il valore p non è inferiore a α = 0,05, concluderemmo che la correlazione tra punti e assist non è statisticamente significativa.

Risorse addizionali

Come calcolare la correlazione del rango di Spearman in Python
Come calcolare la correlazione parziale in Python
Come calcolare la correlazione incrociata in Python