Pandas DataFrameで2つの数値列間の相関係数を計算する方法

Pandasでは、pandas.DataFrame.corrメソッドを使うことで、NULL値を除外した上で列同士の相関を簡単に計算できます。相関係数は2つの変数間の線形関係の強さを表す指標であり、その値は-1から1の範囲に収まります。

相関係数が1に近いほど正の相関が強く、-1に近いほど負の相関が強いことを意味します。また、0に近い場合は線形関係がほとんどないことを示します。

Pandasのデータフレーム内にある2つの数値列の相関を求めるには、以下の手順を実行します。

• 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。
• 2次元でサイズ変更可能な表形式データを持つPandasデータフレームを作成します。
• col1.corr(col2)を使って2つの列の値を比較し、相関係数を計算します。
• 計算した相関係数をコンソールに出力します。
• 図を表示するには、show()メソッドを使用します。

コード例

import pandas as pd
from matplotlib import pyplot as plt

plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

df = pd.DataFrame({'lab': [1, 2, 3], 'value': [3, 4, 5]})

col1 = df['lab']
col2 = df['value']

plt.plot(col1, col2)

print("The correlation coefficient is: ", col1.corr(col2))

plt.show()

実行結果

このコードを実行すると、以下の出力が得られます。

The correlation coefficient is: 1.0

この例では、相関係数が1.0となっており、完全な正の相関があることを示しています。すべての点が一直線上に並んでいるため、グラフには直線が描かれます。

なお、corr()メソッドはデフォルトでピアソンの積率相関係数を計算します。データの性質に応じて、method引数で「スピアマンの順位相関」や「ケンドールの順位相関」など他の手法を指定することも可能です。