Python與機(jī)器學(xué)習(xí)（第2版）（微課版） 課件 2-06-相關(guān)分析任務(wù)實(shí)施

課程負(fù)責(zé)人：陳清華相關(guān)分析任務(wù)實(shí)施【數(shù)據(jù)挖掘應(yīng)用】課程碳排放數(shù)據(jù)分析知識(shí)與能力目標(biāo)理解相關(guān)分析的作用掌握常用的相關(guān)分析方法會(huì)使用corr()對(duì)碳排放數(shù)據(jù)進(jìn)行相關(guān)分析會(huì)使用散點(diǎn)圖、熱力圖展現(xiàn)相關(guān)分析碳排放數(shù)據(jù)相關(guān)分析主要內(nèi)容任務(wù)工單引導(dǎo)問(wèn)題任務(wù)評(píng)價(jià)標(biāo)準(zhǔn)任務(wù)解決方案代碼解析相關(guān)系數(shù)（CorrelationCoefficient）是專(zhuān)門(mén)用來(lái)衡量?jī)蓚€(gè)變量之間的線性相關(guān)程度的指標(biāo)。簡(jiǎn)單相關(guān)分析直接計(jì)算兩個(gè)變量的相關(guān)程度。任務(wù)概述

任務(wù)描述：本任務(wù)主要使用散點(diǎn)圖展現(xiàn)變量是否存在相關(guān)性，并用Pandas中的corr()函數(shù)來(lái)計(jì)算變量間的相關(guān)程度。010010011001101010100100110110100101110101000100001011011101001010101101010011010010任務(wù)工單tpf.xlsxnumyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889數(shù)據(jù)源tpf.xlsx顯示結(jié)果

任務(wù)要求任務(wù)概述不同因素（1）如何展現(xiàn)數(shù)據(jù)間的相關(guān)性？有哪些類(lèi)型的圖表？（2）Pandas包中的計(jì)算相關(guān)度的函數(shù)有哪些？如何使用？（3）corr()的關(guān)鍵參數(shù)有哪些？哪些是必選的？（4）corr()返回值代表什么意義？如果值為0表示什么？（5）如何計(jì)算所有列數(shù)據(jù)間的相關(guān)度并展現(xiàn)？”

問(wèn)題引導(dǎo)：任務(wù)概述

任務(wù)評(píng)價(jià)：任務(wù)概述評(píng)價(jià)內(nèi)容評(píng)價(jià)要點(diǎn)分值分?jǐn)?shù)評(píng)定自我評(píng)價(jià)1.任務(wù)實(shí)施簡(jiǎn)單相關(guān)分析4分能用圖表展現(xiàn)數(shù)據(jù)是否相關(guān)得2分，能正確計(jì)算兩個(gè)變量間的相關(guān)度得2分

數(shù)據(jù)分組分析3分會(huì)對(duì)所有數(shù)據(jù)進(jìn)行相關(guān)度分析得1分，會(huì)使用熱力圖展現(xiàn)結(jié)果得2分

2.任務(wù)總結(jié)依據(jù)任務(wù)實(shí)施情況總結(jié)結(jié)論3分能對(duì)所有方法進(jìn)行比較得1分，總結(jié)內(nèi)容切中各方法的特點(diǎn)得2分，

合計(jì)10分

第1行：制作散點(diǎn)圖。第3，4行：給x，y軸命名fig,ax=plt.subplots()ax.scatter(df_sum['RawCoal'],df_sum['Scope1Total’])plt.xlabel('RawCoal/Mt’)plt.ylabel('Scope1Total/Mt')任務(wù)解決方案步驟一：使用散點(diǎn)圖展現(xiàn)RawCoal和Scope1Total兩列數(shù)據(jù)的相關(guān)性。任務(wù)解決方案df_sum['Scope1Total'].corr(df_sum['RawCoal'])步驟二：計(jì)算RawCoal和Scope1Total兩列數(shù)據(jù)的相關(guān)度步驟三：計(jì)算所有數(shù)值列的相關(guān)度corr_re=df_sum[df_sum.columns[1:len(df_sum)-1]].corr()

corr_re.head()sns.heatmap(corr_re,cmap=