Python与机器学习（第2版）（微课版） 课件 2-06-相关分析任务实施

课程负责人：陈清华相关分析任务实施【数据挖掘应用】课程碳排放数据分析知识与能力目标理解相关分析的作用掌握常用的相关分析方法会使用corr()对碳排放数据进行相关分析会使用散点图、热力图展现相关分析碳排放数据相关分析主要内容任务工单引导问题任务评价标准任务解决方案代码解析相关系数（CorrelationCoefficient）是专门用来衡量两个变量之间的线性相关程度的指标。简单相关分析直接计算两个变量的相关程度。任务概述

任务描述：本任务主要使用散点图展现变量是否存在相关性，并用Pandas中的corr()函数来计算变量间的相关程度。010010011001101010100100110110100101110101000100001011011101001010101101010011010010任务工单tpf.xlsxnumyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889数据源tpf.xlsx显示结果

任务要求任务概述不同因素（1）如何展现数据间的相关性？有哪些类型的图表？（2）Pandas包中的计算相关度的函数有哪些？如何使用？（3）corr()的关键参数有哪些？哪些是必选的？（4）corr()返回值代表什么意义？如果值为0表示什么？（5）如何计算所有列数据间的相关度并展现？”

问题引导：任务概述

任务评价：任务概述评价内容评价要点分值分数评定自我评价1.任务实施简单相关分析4分能用图表展现数据是否相关得2分，能正确计算两个变量间的相关度得2分

数据分组分析3分会对所有数据进行相关度分析得1分，会使用热力图展现结果得2分

2.任务总结依据任务实施情况总结结论3分能对所有方法进行比较得1分，总结内容切中各方法的特点得2分，

合计10分

第1行：制作散点图。第3，4行：给x，y轴命名fig,ax=plt.subplots()ax.scatter(df_sum['RawCoal'],df_sum['Scope1Total’])plt.xlabel('RawCoal/Mt’)plt.ylabel('Scope1Total/Mt')任务解决方案步骤一：使用散点图展现RawCoal和Scope1Total两列数据的相关性。任务解决方案df_sum['Scope1Total'].corr(df_sum['RawCoal'])步骤二：计算RawCoal和Scope1Total两列数据的相关度步骤三：计算所有数值列的相关度corr_re=df_sum[df_sum.columns[1:len(df_sum)-1]].corr()

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