TOOLS_Seaborn相关性可视化分析示例

相关性应用场景

如要回答 推测 网站留存、观看时长、收藏次数、转发次数、关注数之间是否存在相关性，以及相关性有多大的问题；

对于更有关注的留存，可以尝试分析一个与其相关性比较大的因素，如收藏，那么在交互上就可以进一步引导用户去收藏；

类似的问题，也可以用多元线性回归方程，在标准化权重之后，对比得出各个变量的影响；

相关性分析示例

指对两个或多个具备相关性的变量元素进行分析，衡量变量间的相关密切程度；

相关性大小用相关系数r来描述：（-1~+1）

• 0.95以上 是显著性相关
• 0.8及以上 是高度相关
• 0.5~0.8 中度相关
• 0.3~0.5 低度相关
• 0.3以下 不相关

r=0 不代表没有关系，只是没有线性关系

import warnings
warnings.filterwarnings("ignore")
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# 定义主题风格
sns.set(style="darkgrid")

# 加载tips
# tips = sns.load_dataset("tips")
tips = pd.read_excel("./tips.xlsx")

tips.head()

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

• total_bill: 总账单数
• tip: 小费数目
• sex: 性别 Female Male
• smoker: 是否是吸烟的群众
• day: 天气
• time: 晚餐 dinner, 午餐lunch
• size: 顾客数

# 最简单的相关性计算（会对全部数值型列间尽心相关系数矩阵的计算）
tips.corr()

	total_bill	tip	size
total_bill	1.000000	0.791002	0.166315
tip	0.791002	1.000000	0.475753
size	0.166315	0.475753	1.000000

# 两列间相关性可视化(散点图)
sns.relplot(x="total_bill", y="tip", data=tips)
plt.show()

# 全部数值型列间相关性的可视化
sns.pairplot(tips)

<seaborn.axisgrid.PairGrid at 0x7f87d75e8dd8>

# 按照性别进行人群划分，查看total_bill和tip之间的关系
# 从而推断出 男性和女性在这个相关上所表现出的不同
sns.relplot(x="total_bill", y="tip", hue="sex", data=tips)
plt.show()

# 全部数值型列间相关性的可视化，也可以按照sex进行划分
sns.pairplot(tips, hue="sex")
plt.show()

# 使用热力图展示 相关系数矩阵
import matplotlib.pyplot as plt
import seaborn as sns

tips = pd.read_excel("./tips.xlsx")
# 去掉不参与计算相关性的列
tips = tips.drop(columns=['sex','smoker','day','time']) 

plt.figure(figsize=(16,10), dpi= 80)

# 相关性大小计算(热力图)
sns.heatmap(tips.corr(), xticklabels=tips.corr().columns, yticklabels=tips.corr().columns, cmap='RdYlGn', center=0, annot=True)

# 可视化
plt.title('Correlogram of tips', fontsize=22)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.show()