Data Visualization

การแสดงผลค่า Correlation ใน Python

Photo by Christina Morillo: https://www.pexels.com/photo/woman-programming-on-a-notebook-1181359/

การแสดงผล (Visualization) ค่า Correlation ใน Python โดยใช้ Pandas Library

สมมติว่ามี DataFrame ดังนี้ (มี 4 Columns ที่เป็น Numeric Values)

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(0, 100, size=(15, 4)), columns=list("ABCD"))

ทำการคำนวณ และ Visualize Correlation

df.corr().style.background_gradient(cmap="Blues")

สามารถเปลี่ยนสีได้ โดยกำหนดที่ Parameter -> cmap

กรณีเรียกใช้ Correlation ใน Pandas ค่า Default จะเป็น Pearson อย่างไรก็ตาม Pandas ยังมี Correlation ประเภทอื่น ๆ อีก เช่น
Kendall Correlation — โดยเรียกใช้ df.corr(‘Kendall’)
Spearman Correlation — โดยเรียกใช้ df.corr(‘spearman’)
Spearman Correlation มักใช้ในการประเมินความสัมพันธ์ที่เกี่ยวข้องกับ Ordinal Variables เช่น อาจใช้Spearman เพื่อประเมินว่าลำดับในการทำแบบทดสอบนั้น สัมพันธ์กับ จำนวนเดือนที่ได้รับจ้างงานหรือไม่ ?
Spearman’s Rank Correlation จะใช้ได้ สำหรับ Testing Null Hypothesis ของความเป็นอิสระระหว่างสองตัวแปร แต่เป็นการยากที่จะตีความเมื่อ Null Hypothesis ถูก Rejected Kendall’s Rank Correlation จะช่วยในเรื่องนี้ โดยสะท้อนถึงความแข็งแกร่งของ Dependencr ระหว่างตัวแปร ที่ถูกเปรียบเทียบ

df.corr('spearman').style.background_gradient(cmap="Blues")

******