相关函数语法

Question

你好，

我正在尝试开发一个函数，它将两个表达式作为输入:平台名称(例如，"PS2")和评论类型(例如，“评论家评分”)。

函数的目标是确定平台的总体销量与排名类型(“评论家评分”)之间的关联：

def corfunc(Platform, score_type):
    df5 = df_new[(df_new.platform==Platform)&(df_new[score_type].notna())][['total_sales',score_type]]
    df5.plot(x=score_type, y='total_sales', kind='hexbin', gridsize=20, sharex=False, alpha=1)
    correlation=df5.corr(method='pearson')
    
    if [[correlation > 0.7]]:
        result=print(correlation)
        print('There is a strong positive connection')
    elif [[correlation < -0.7]]:
        print('There is a strong negative connection')
    else:
        result=print('No/weak connection')
    print(result)

这里是一个已经过滤的数据示例：

pita=df_new[(df_new.platform=='PS3')&(df_new['critic_score'].notna())][['total_sales','critic_score']]

pita.head(3)

total_sales critic_score
16  21.05   97.0
34  13.79   83.0
37  13.33   88.0

--我希望能对if/ into语句的结果提供一些语法上的帮助：，当我检查函数输出时，它似乎没有考虑到相关的分数，似乎存在着完全和正相关的关系。我希望我的函数考虑多重相关性，而不仅仅是检查变量本身的相关性。谢谢!

corfunc('PS3', 'critic_score')

              total_sales  critic_score
total_sales      1.000000      0.379961
critic_score     0.379961      1.000000
There is a strong positive connection
None

Answer 1

若要获取一个变量与另一个变量之间的相关性，请使用Series.corr

correlation = df["critic_score"].corr(df["total_sales"])

如前所述，变量与自身的相关性始终是1。

当前代码中出现问题的原因是返回数据文件。df.corr() > .7不返回单个True/False值，而是返回另一个dataframe，如果原始dataframe > .7中的每个值都包含True，则返回False。

因此，df.corr() > 7不能用作if语句中的条件。您需要在dataframe中选择一个值，或者使用(correlation > .7).any(axis=None)来检查其中任何一个值是否高于.7。(将dataframe放在方括号中可以防止引发错误，但不会做任何有用的事情。)但这两个系列之间的相关性更容易计算，如上面所示。

Answer 2

与其本身的相关性总是1.0，因为它遵循的是完全相同的数据。就像你的例子

          total_sales  critic_score
total_sales      1.000000      0.379961
critic_score     0.379961      1.000000

total_sales与critic_score之间的相关系数为0.379，而相对于自身而言，两者之间的相关关系并不是很有趣。

让它更加直观的一种方法是使用热图来可视化关联，而不是仅仅看纯数字。

我经常使用海运热图，它可以使用这样的DF：

import seaborn as sns
# With annotation true you get the values within the squares
sns.heatmap(dataframe, anoot=True)

要将正确的成对功能与句子结合起来，应该是这样的(就像斯图尔特提到的那样)：

def corfunc(Platform, score_type):
    df5 = df_new[(df_new.platform==Platform)&(df_new[score_type].notna())][['total_sales',score_type]]
    df5.plot(x=score_type, y='total_sales', kind='hexbin', gridsize=20, sharex=False, alpha=1)
    correlation = df5["critic_score"].corr(df["total_sales"], method='pearson')


    if correlation > 0.7:
        result=print(correlation)
        print('There is a strong positive connection')
    elif correlation < -0.7:
        print('There is a strong negative connection')
    else:
        result=print('No/weak connection')
    print(result)