python分类变量相关性分析,python典型相关分析

　　r语言也是目前常用的数据分析编程语言之一。通过目前用户和科学家的开发，其功能也比较强大。本文用R语言corrplot制作了相关系数矩阵的热图。

　　数据集中有506个观察样本和14个变量：

　　image.png

　　首先，将数据导入R软件。

　　我的数据

　　摘要(我的数据)。

　　然后计算相关系数，下载相关系数矩阵corrplot包。

　　表示留数

　　下载install.packages(corrplot )相关系数矩阵corrplot软件包

　　Corrplot(RES，method=shade ，shade.col=NA，tl.col=black ，tl.srt=45，order=AOE) #绘制相关系数矩阵

　　获取图形：

　　image.png

　　相关系数图的颜色越深，两个变量之间的相关系数越接近1。从图中可以看出，在波士顿房价中值的MEDV列中，与LSTAT、PTRATIO、RM等变量的相关性最大。

　　让我们关注一个名为corrplot的函数。

　　在命令corrplot(RES，method=shade ，shade.col=NA，tl.col=black ，tl.srt=45，order=AOE )中

　　Res:表示要可视化的相关系数矩阵；

　　Method=shade 是指指定圆形、四边形、椭圆形、数值、阴影、颜色或饼图的图形的方法。method=c(圆形，正方形，椭圆， nunu)

　　Shade.col=NA:指定图形显示的颜色。默认情况下，它显示为统一的颜色。

　　Tl.col:指定文本标签的颜色，即几何图形的文本标签是什么颜色。默认值是黑色；

　　Tl.srt=45，表示字符标签的大小；

　　Order=AOE :指定相关系数的排序方法。可以是原始顺序(original)、特征向量角度顺序(AOE)、第一主成分顺序(FPC)、层次聚类顺序(hclust)和字母顺序。一般)AOE)，排序结果比FPC好)。

　　根据corrplot函数的不同属性，可以转换属性以创建具有不同相关系数矩阵的热图。

　　image.png

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。