计算和可视化无序序列中 2 个变量之间的相关性

Question

作为我最后一年研究实施的一部分，我正在尝试计算和可视化两个不在有序序列中的变量之间的相关性。在如下数据集中，

DateAndTime           Demand    Temperature
2015-01-02 18:00:00    2081         41
2015-01-02 19:00:00    2370         42
2015-01-02 20:00:00    2048         42
2015-01-02 21:00:00    1806         42
2015-01-02 22:00:00    1818         41
2015-01-02 23:00:00    1918         40
2015-01-03 00:00:00    1685         40
2015-01-03 01:00:00    1263         38
2015-01-03 02:00:00     969         38
2015-01-03 03:00:00     763         37
2015-01-03 04:00:00     622         36

计算和可视化日期和需求之间的相关性非常简单，因为它们处于有序序列中，并且可以使用散点图轻松地可视化它们的相关性。但是，如果我要计算温度和需求之间的相关性，则生成的散点图没有多大意义，因为它没有任何数学顺序。应该使用什么方法以更有意义的方式可视化这两个变量之间的相关性。为此，我正在使用基本的 python 框架，例如 Matplotlib、Statsmodels 和 Sklearn。

Answer 1

好的，所以我的想法是绘制两列，一列在 x 轴上，另一列在 y 轴上，并尝试制作一条模拟其行为的线。 Numpy 有一个计算直线的函数，所以

import numpy as np
import matplotlib.pyplot as plt

x = [4,2,1,5]
y = [2,4,6,3]

fit = np.polyfit(x,y,1)
fit_line = np.poly1d(fit)

plt.figure()
plt.plot(x,y,'rx')
plt.plot(x,fit_line(x),'--b')
plt.show()

而如果我们考虑回归线为y = a*x + b，则可以得到系数a和b，使得

a = fit[0]
b = fit[1]

哪个returns

a = -0.8000000000000005
b = 6.150000000000002

只需使用你的 x 和 y

计算和可视化无序序列中 2 个变量之间的相关性

Calculating and visualizing correlation between 2 variables which are in an unordered series

python

statistics

correlation

statsmodels