本文目录一览：
python计算多个数组的相关性
线性相关：主要采用皮尔逊相关系数来度量连续变量之间的线性相关强度；
线性相关系数|r| 相关程度
0=|r|0.3 低度相关
0.3=|r|0.8 中度相关
0.8=|r|1 高度相关
1 函数
相关分析函数：
DataFrame.corr()
Series.corr(other)
说明：
如果由数据框调用corr方法，那么将会计算每个列两两之间的相似度
如果由序列调用corr方法，那么只是计算该序列与传入序列之间的相关度
返回值：
dataFrame调用：返回DataFrame
Series调用： 返回一个数值型，大小为相关度
2 案例
import pandas
data=pandas.read_csv('C:\\Users\\Desktop\\test.csv')
print(data.corr())
#由数据框调用corr方法,将会计算每个列两两之间的相似度，返回的是一个矩形
print(data['人口'].corr(data['文盲率']))
#由某一列调用corr方法，只是计算该序列与传入序列（本例中的'文盲率'）之间的相关度
print(data['超市购物率','网上购物率','文盲率','人口']).corr()
python相关性分析如何生成两个相关性最强的两门？
方法/步骤
第一步我们首先需要知道相关性主要有两个方向，一个是正方向一个是负方向，相关性系数是衡量两个变量之间影响程度，如下图所示：
请点击输入图片描述
第二步下面通过公式计算两个变量之间相关性系数，代码如下：
import numpy
import pandas
X = [52,19,7,33,2]
Y = [162,61,22,100,6]
#公式计算#均值XMean = numpy.mean(X)
YMean = numpy.mean(Y)
#标准差XSD = numpy.std(X)
YSD = numpy.std(Y)
#z分数ZX = (X-XMean)/XSD
ZY = (Y-YMean)/YSD#相关系数
r = numpy.sum(ZX*ZY)/(len(X))
print(r)
请点击输入图片描述
第三步运行程序，可以得到相关性系数r ，r的值是0.999674032661831，相关性非常高，如下图所示：
请点击输入图片描述
第四步我们也可以通过numpy的corrcoef方法计算相关性系数，输入代码
t=numpy.corrcoef(X,Y)
print(t)
可以看到X与Y和Y与X的相关性系数，如下图所示：
请点击输入图片描述
请点击输入图片描述
第五步我们也可以通过pandas的corr方法计算相关性系数，代码
data = pandas.DataFrame({'X':X,'Y':Y})
t2=data.corr()
print(t2)
得到了相同的结果，如下图所示：
请点击输入图片描述
请点击输入图片描述
python数据分析模块：numpy、pandas全解
一维数组情况：
二维数组情况：
3参数情况：
2参数情况：
1参数情况：
一维情况：
二维情况：
一维情况：
二维情况：
一维情况：
二维情况：第三个参数指定维度
只查看行数、或者列数
逗号隔开两个索引
某些行
某些列
可以看出append()函数在二维数组中添加元素，结果转为了一维数组。
那怎么保持二维数组呢？可以设置axis参数按行或者按列添加
可以看出先把二维数组降成了一维数组，再在索引为1的位置添加元素。
那么怎么保持在二维添加元素呢？ 同样设置axis参数
也分按行和按列删除
标记缺失值： isnan()函数
补充缺失值：
同样axis参数可以指定拼接按行还是按列
2. hstack()函数：以水平堆叠的方式拼接数组
3. vstack()函数：以垂直堆叠的方式拼接数组
第二个参数还可以是数组，指定拆分的位置
hsplit()函数：横向拆成几个数组
vsplit()函数：纵向拆成几个数组
数组与数组之间的运算
数组与数值的运算
可以指定整个数组求和，还是按行或者按列
axis=0：每一列的元素求和
axis=1：每一行的元素求和
axis=0：每一列求均值
axis=1：每一行求均值
axis=0：每一列求最大值
axis=1：每一行求最大值
pandas有两个重要的数据结构对象：Series和DataFrame。
Series是创建一个一维数组对象，会自动生成行标签。
会自动生成行列标签
也可以用字典形式生成数据
在用字典生成数据的基础上，同时指定行标签
例如对下表的数据进行读取
4月是第四个表，我们应把sheet_name参数指定为3；因为索引是从0开始的。
可以看出read_excel()函数自动创建了一个DataFrame对象，同时自动把第一行数据当做列标签。
可以看出不给出header参数时，该参数默认为0。
header=1时结果如下：
header=None时结果如下：
index_col=0时，第0列为列标签
index_col=0时
usecols=[2]：指定第二列
指定多列
数据如下：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j1SHxY8y-1637655972909)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211114192949607.png)]
nrows=3时
head()函数中参数为空默认前5行
指定head(3)时如下
numpy模块也是shape
查看特定列的书库类型
特定列数据类型转换
先查看一下所有数据
与单行相比，结果显示的格式不一样了
iloc()挑选：
或者给出区间
挑选数据要么标签，要么索引挑选
或者
或者写成区间
标签挑选
或者索引挑选
先查看一下数据
或者用字典一对一修改
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a6QKIoie-1637655972912)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123110431201.png)]
isin()函数查看表中是否有该值
查看特定列是否有该值
可以看出上述代码并没有替换，那怎么替换呢？
末尾插入一列
指定插入到哪列
axis参数可以指定删除行还是删除列
指定标签删除
指定索引删除
方法三
指定行标签删除
指定索引删除
方法三：
先查看所有数据
info()函数查看数据类型，还可以查看是否有缺失值
isnull()函数查看是否有缺失值
在numpy模块中用isnan()函数
删除有缺失值的行
删除整行都为缺失值的行： 需要指定how参数
不同列的缺失值设置不同的填充值
默认保留第一个重复值所在的行，删除其他重复值所在的行
保留第一个重复值所在的行
保留最后一个重复值所在的行
是重复的就删除
降序如下
参数指定first时，表示在数据有重复值时，越先出现的数据排名越靠前
获取产品为单肩包的行数据
获取数量60的行数据
获取产品为单肩包 且 数量60 的行数据
获取产品为单肩包 或 数量60 的行数据
stack()函数转换成树形结构
how参数指定外连接
on参数指定按哪一列合并
concat()函数采用 全连接 的方式，没有的数设置为缺失值
重置行标签
效果与concat()一样
末尾添加行元素
指定列求和
指定列求均值
指定列求最值
获取单列的
corr()函数获取相关系数
获取指定列与其他列的相关系数
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-46g9qgQw-1637655972913)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123135643804.png)]
groupby()函数返回的是一个DataFrameBy对象，该对象包含分组后的数据，但是不能直观地显示出来。
分组后获取指定列的汇总情况
获取多列的汇总情况
获取多列的情况
ta = pd.read_excel(‘相关性分析.xlsx’)
print(data)
corr()函数获取相关系数
获取指定列与其他列的相关系数
[外链图片转存中…(img-46g9qgQw-1637655972913)]
groupby()函数返回的是一个DataFrameBy对象，该对象包含分组后的数据，但是不能直观地显示出来。
分组后获取指定列的汇总情况
获取多列的汇总情况
获取多列的情况
