Python实现相关分析案例

节选自《Python预测之美：数据分析与算法实战 》。

在统计学中将研究随机变量间相互关联程度的方法统称为相关分析。它揭示的是变量间的非确定性联系类似于身高与体重这样的变量之间无法用单一的固定数学表达式来描述它们之间的关系。而在此处我们主要探讨不同特征对研究对象的相关性影响这在现代数据分析中具有重要意义。常用的进行相关性分析的方法主要有散点图和相关系数矩阵等工具。

1.散点图

散点图即为数据在笛卡尔坐标系中的分布展示工具。
一般可分为二维散点矩阵与三维散布显示图形。
其中二维散布矩形是基于变量之间的配对关系构建的数据分布矩形阵列。
此外，在分析多维数据时常用的是选择三个关键变量绘制的三维散布图形，在空间中呈现数据的整体形态特征。

(1）散点图矩阵

在Python数据分析领域中，Pandas扮演着非常关键的角色。它内置了丰富的统计分析和绘图功能，在数据分析中发挥着不可替代的作用。其中，在Pandas.plotting模块中定义了 scatter_matrix 函数，该函数能够便捷地生成多个变量之间的散点图矩阵。为了深