第22节：相关性分析——协方差、相关系数与热力图解读

一晌小贪欢2026-06-10 8:09

目录

专栏导读

🌸 欢迎来到Python办公自动化专栏---Python处理办公问题，解放您的双手
🏳️‍🌈 个人博客主页：请点击------> 个人的博客主页 求收藏
🏳️‍🌈 Github主页：请点击------> Github主页 求Star⭐
🏳️‍🌈 知乎主页：请点击------> 知乎主页 求关注
🏳️‍🌈 CSDN博客主页：请点击------> CSDN的博客主页 求关注
👍 该系列文章专栏：请点击------>Python办公自动化专栏 求订阅
🕷 此外还有爬虫专栏：请点击------>Python爬虫基础专栏 求订阅
📕 此外还有python基础专栏：请点击------>Python基础学习专栏 求订阅
文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏
❤️ 欢迎各位佬关注！ ❤️

第22节：相关性分析------协方差、相关系数与热力图解读

本节学习目标

完成本节学习后，你将能够：

  1. 理解协方差的概念、计算方法和局限性
  2. 掌握三种相关系数：Pearson、Spearman、Kendall
  3. 理解相关系数的数学含义和解读要点
  4. 掌握相关性显著性检验的方法（P值检验）
  5. 正确解读相关性热力图，避免常见误读
  6. 理解"相关不等于因果"的核心原则
  7. 使用相关性分析进行特征选择和多重共线性检测
  8. 在业务场景中灵活应用相关性分析

为什么学这个

在数据分析中，我们常常问这样的问题：

  • "广告投入和销售额有关系吗？"
  • "客户年龄和消费金额相关吗？"
  • "这两个指标是不是重复的？"

这些问题本质上都在问同一个事情：两个变量之间的关系有多强？

相关性分析就是回答这个问题的标准方法。它不仅是数据分析的核心技能，也是机器学习特征选择、风控模型、市场调研等领域的必备工具。

打个比方：相关性分析就像"测量两个人之间的默契程度"。你可以说他们"关系很好"或"不太熟"------但默契程度到底是多少？用一个 0 到 1（或 -1 到 1）的数字来量化，这就是相关系数。

但有一个致命陷阱：相关不等于因果。冰淇淋销量和溺水人数高度相关------难道吃冰淇淋会导致溺水？当然不是！真正的原因是夏天到了（共同因素：气温升高）。这就是本节需要重点强调的。

核心知识点讲解

一、协方差（Covariance）

协方差是相关性的"原始版"，衡量两个变量同时变化的方向和幅度。

1.1 数学公式
复制代码 
Cov(X, Y) = Σ(xi - x̄)(yi - ȳ) / (n - 1)

简单来说：如果 X 增大时 Y 也增大，协方差为正；X 增大时 Y 减小，协方差为负。

python 复制代码 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

sns.set_theme(style='whitegrid', font_scale=1.05)

# 模拟数据
np.random.seed(42)
n = 100
X = np.random.normal(50, 10, n)
Y = 2 * X + np.random.normal(0, 5, n)  # Y 与 X 正相关

# 手动计算协方差
def covariance(x, y):
    return np.sum((x - np.mean(x)) * (y - np.mean(y))) / (len(x) - 1)

cov_manual = covariance(X, Y)
cov_numpy = np.cov(X, Y)[0, 1]

print("=" * 60)
print("协方差计算")
print("=" * 60)
print(f"手动计算: {cov_manual:.2f}")
print(f"NumPy 计算: {cov_numpy:.2f}")

# 协方差矩阵
cov_matrix = np.cov(X, Y)
print(f"\n协方差矩阵:\n{cov_matrix}")

# 可视化
fig, ax = plt.subplots(figsize=(8, 6))
ax.scatter(X, Y, alpha=0.6, color='#1E88E5', s=50)
ax.set_title(f'正相关散点图 (协方差 = {cov_numpy:.2f})', fontsize=14)
ax.set_xlabel('X')
ax.set_ylabel('Y = 2X + noise')
plt.tight_layout()
plt.show()
1.2 协方差的局限性

协方差有一个大问题：它的大小依赖于变量的量纲。比如，身高用"厘米"和用"米"计算出来的协方差差了 100 倍。这使得协方差难以直接比较。

python 复制代码 
# 量纲对协方差的影响
height_cm = np.array([165, 170, 175, 180, 185])
height_m = height_cm / 100
weight = np.array([55, 60, 65, 70, 75])

print(f"身高(厘米)与体重的协方差: {np.cov(height_cm, weight)[0, 1]:.2f}")
print(f"身高(米)与体重的协方差:   {np.cov(height_m, weight)[0, 1]:.4f}")
print(f"\n两者相差 100 倍！说明协方差受量纲影响，不便比较。")

这就是为什么我们需要相关系数------它消除了量纲的影响，让相关性可以在不同变量之间直接比较。

二、Pearson 相关系数

Pearson 相关系数是最常用 的相关系数，衡量两个变量之间的线性关系强度。

2.1 数学公式
复制代码 
r = Cov(X, Y) / (σ_X * σ_Y)

其实就是协方差除以两个变量的标准差------这就消除了量纲的影响。

python 复制代码 
# Pearson 相关系数
def pearson_correlation(x, y):
    """手动计算 Pearson 相关系数"""
    cov = np.sum((x - np.mean(x)) * (y - np.mean(y))) / (len(x) - 1)
    return cov / (np.std(x, ddof=1) * np.std(y, ddof=1))

r_manual = pearson_correlation(X, Y)
r_scipy = np.corrcoef(X, Y)[0, 1]

print(f"手动计算 Pearson r: {r_manual:.4f}")
print(f"NumPy 计算:          {r_scipy:.4f}")
2.2 相关系数的解读
复制代码 
┌──────────────────────────────────────────────────────────┐
│          Pearson 相关系数解读指南                          │
├──────────────────────────────────────────────────────────┤
│                                                          │
│  r 的范围: [-1, 1]                                       │
│                                                          │
│  |r| >= 0.8  ──► 极强相关                                 │
│  0.6 <= |r| < 0.8 ──► 强相关                             │
│  0.4 <= |r| < 0.6 ──► 中等相关                            │
│  0.2 <= |r| < 0.4 ──► 弱相关                              │
│  |r| < 0.2   ──► 极弱相关或无相关                          │
│                                                          │
│  r > 0: 正相关（X增大，Y也增大）                           │
│  r < 0: 负相关（X增大，Y减小）                             │
│  r = 0: 无线性相关（但可能有非线性关系！）                  │
│                                                          │
└──────────────────────────────────────────────────────────┘
2.3 Pearson 相关系数的限制

Pearson 只能检测线性关系。如果关系是非线性的，Pearson 可能会给出 r=0 的结论，但实际上两个变量存在很强的非线性关系。

python 复制代码 
# Pearson 的局限：无法检测非线性关系
np.random.seed(42)
n = 200

# 场景1：线性关系
x1 = np.random.uniform(-5, 5, n)
y1 = 2 * x1 + np.random.normal(0, 1, n)

# 场景2：抛物线关系（非线性）
x2 = np.random.uniform(-5, 5, n)
y2 = x2**2 + np.random.normal(0, 2, n)

# 场景3：正弦关系（非线性）
x3 = np.random.uniform(-5, 5, n)
y3 = np.sin(x3) + np.random.normal(0, 0.2, n)

# 场景4：X型关系（无相关性）
x4 = np.random.uniform(-3, 3, n)
y4 = np.random.choice([-1, 1], n) * np.abs(x4) + np.random.normal(0, 0.3, n)

fig, axes = plt.subplots(2, 2, figsize=(14, 10))

for ax, x, y, title in zip(axes.flatten(),
                            [x1, x2, x3, x4],
                            [y1, y2, y3, y4],
                            [f'线性关系 (r = {np.corrcoef(x1, y1)[0,1]:.3f})',
                             f'抛物线关系 (r = {np.corrcoef(x2, y2)[0,1]:.3f})',
                             f'正弦关系 (r = {np.corrcoef(x3, y3)[0,1]:.3f})',
                             f'X型关系 (r = {np.corrcoef(x4, y4)[0,1]:.3f})']):
    ax.scatter(x, y, alpha=0.5, color='#1E88E5', s=40)
    ax.set_title(title, fontsize=13, fontweight='bold')
    ax.set_xlabel('X')
    ax.set_ylabel('Y')
    ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

print("关键发现：")
print("  - 线性关系：Pearson r 能准确反映")
print("  - 抛物线/正弦：实际有很强的关系，但 Pearson r ≈ 0")
print("  - X型：Pearson r ≈ 0，但实际有结构性关系")
print("\n结论：Pearson 只检测线性关系！发现 r≈0 时，务必画散点图确认。")

三、Spearman 秩相关系数

Spearman 相关系数通过先将数据转换为"排名"，再计算排名的 Pearson 相关系数，来衡量单调关系（不仅限于线性）。

3.1 为什么需要 Spearman？

Spearman 适合以下场景：

  • 变量之间存在单调关系但不一定是线性的
  • 数据中有极端异常值（Spearman 对异常值不敏感）
  • 变量是序数类型（如满意度：1-5分）
python 复制代码 
from scipy.stats import spearmanr, pearsonr

# Spearman vs Pearson 对比
print("=" * 60)
print("Spearman vs Pearson 对比")
print("=" * 60)

# 场景：单调非线性关系
np.random.seed(42)
x = np.random.uniform(1, 100, 200)
y = np.log(x) + np.random.normal(0, 0.1, 200)

pearson_r, pearson_p = pearsonr(x, y)
spearman_r, spearman_p = spearmanr(x, y)

print(f"\n单调非线性关系 (Y = log(X) + noise)")
print(f"Pearson r:  {pearson_r:.4f} (P值: {pearson_p:.6f})")
print(f"Spearman r: {spearman_r:.4f} (P值: {spearman_p:.6f})")

# 含异常值的场景
x_clean = np.random.normal(50, 10, 100)
y_clean = 2 * x_clean + np.random.normal(0, 5, 100)

# 加入一个极端异常值
x_dirty = np.append(x_clean, [200])
y_dirty = np.append(y_clean, [50])

pearson_r_dirty, _ = pearsonr(x_dirty, y_dirty)
spearman_r_dirty, _ = spearmanr(x_dirty, y_dirty)

print(f"\n含异常值的数据:")
print(f"Pearson r:  {pearson_r_dirty:.4f}")
print(f"Spearman r: {spearman_r_dirty:.4f}")

print("\n结论：Spearman 对异常值更鲁棒，对非线性单调关系更敏感")

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 单调非线性
axes[0].scatter(x, y, alpha=0.6, color='#1E88E5')
axes[0].plot(np.sort(x), np.log(np.sort(x)), 'r--', linewidth=2, label='log(x)')
axes[0].set_title(f'单调非线性关系', fontsize=13)
axes[0].legend()

# 异常值影响
axes[1].scatter(x_clean, y_clean, alpha=0.6, color='#1E88E5', label='正常数据')
axes[1].scatter([200], [50], color='red', s=100, zorder=5, label='异常值')
axes[1].set_title(f'异常值对 Pearson 的影响', fontsize=13)
axes[1].legend()

plt.tight_layout()
plt.show()

四、Kendall 秩相关系数

Kendall 相关系数基于"一致对"和"不一致对"的比例计算，适合小样本和有很多重复值的数据。

python 复制代码 
from scipy.stats import kendalltau

# Kendall 相关系数
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [2, 1, 4, 3, 6, 5, 8, 7, 10, 9]  # 几乎完全一致，偶有交换

tau, p_value = kendalltau(x, y)

print("Kendall 相关系数示例:")
print(f"数据 X: {x}")
print(f"数据 Y: {y}")
print(f"Kendall tau: {tau:.4f} (P值: {p_value:.4f})")

# 三种相关系数对比
np.random.seed(42)
x_large = np.random.normal(50, 15, 500)
y_large = x_large + np.random.normal(0, 10, 500)

pearson_r, pearson_p = pearsonr(x_large, y_large)
spearman_r, spearman_p = spearmanr(x_large, y_large)
kendall_r, kendall_p = kendalltau(x_large, y_large)

print("\n三种相关系数对比（大数据集）:")
print(f"Pearson r:  {pearson_r:.4f} (P值: {pearson_p:.6f})")
print(f"Spearman r: {spearman_r:.4f} (P值: {spearman_p:.6f})")
print(f"Kendall tau: {kendall_r:.4f} (P值: {kendall_p:.6f})")

print("\n选择指南:")
print("  - Pearson: 数据近似正态分布，关注线性关系")
print("  - Spearman: 有异常值，或关系单调但不一定线性")
print("  - Kendall: 样本量小，或数据有很多重复值（序数数据）")

五、相关性显著性检验

相关系数告诉你"关系有多强"，但统计显著性告诉你"这个关系是否可靠"。

5.1 P值的含义
复制代码 
假设检验框架：
  H0（零假设）: 两个变量之间的真实相关系数为 0（无相关）
  H1（备择假设）: 相关系数不为 0（有相关）

P值 < 0.05: 拒绝 H0，认为相关关系"统计显著"
P值 >= 0.05: 不能拒绝 H0，相关关系"不显著"
python 复制代码 
from scipy.stats import pearsonr

np.random.seed(42)

# 场景1：大样本 + 弱相关
n1 = 10000
x1 = np.random.normal(0, 1, n1)
y1 = 0.1 * x1 + np.random.normal(0, 1, n1)  # 很弱的相关

# 场景2：小样本 + 强相关
n2 = 20
x2 = np.random.normal(0, 1, n2)
y2 = 3 * x2 + np.random.normal(0, 1, n2)    # 很强的相关

r1, p1 = pearsonr(x1, y1)
r2, p2 = pearsonr(x2, y2)

print("=" * 60)
print("相关性与显著性")
print("=" * 60)
print(f"\n场景1（大样本 + 弱相关）:")
print(f"  r = {r1:.4f}, P值 = {p1:.6f}")
print(f"  {'结论：虽然相关系数小，但样本量大，关系显著 ✓' if p1 < 0.05 else '结论：不显著'}")

print(f"\n场景2（小样本 + 强相关）:")
print(f"  r = {r2:.4f}, P值 = {p2:.6f}")
print(f"  {'结论：强相关且显著 ✓' if p2 < 0.05 else '结论：不显著（样本太小）'}")

print("\n核心认知：")
print("  - 大样本时，即使是微弱的相关也可能'显著'（统计显著 ≠ 实际重要）")
print("  - 小样本时，即使是强相关也可能'不显著'（缺乏统计功效）")
print("  - 永远同时看 r 值和 P值！")

六、相关性热力图解读

6.1 标准相关性热力图
python 复制代码 
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 模拟业务数据
np.random.seed(42)
n = 500
df = pd.DataFrame({
    '广告投入': np.random.uniform(10, 100, n),
    '网站流量': 0,
    '注册人数': 0,
    '购买人数': 0,
    '客单价': np.random.normal(200, 40, n),
    '总营收': 0,
    '客户满意度': np.random.uniform(3, 5, n),
    '复购率': 0
})

# 生成有相关性的数据
df['网站流量'] = df['广告投入'] * 5 + np.random.normal(0, 100, n)
df['注册人数'] = df['网站流量'] * 0.08 + np.random.normal(0, 50, n)
df['购买人数'] = df['注册人数'] * 0.3 + np.random.normal(0, 20, n)
df['总营收'] = df['购买人数'] * df['客单价'] + np.random.normal(0, 10000, n)
df['复购率'] = 0.3 + 0.1 * df['客户满意度'] / 5 + np.random.normal(0, 0.05, n)

# 计算相关系数矩阵
corr_pearson = df.corr(method='pearson')

fig, axes = plt.subplots(1, 2, figsize=(20, 8))

# 子图1：完整热力图
mask_upper = np.triu(np.ones_like(corr_pearson, dtype=bool))
sns.heatmap(corr_pearson, annot=True, cmap='coolwarm', center=0,
            mask=mask_upper, fmt='.2f', linewidths=1,
            ax=axes[0], vmin=-1, vmax=1,
            cbar_kws={'label': 'Pearson 相关系数'})
axes[0].set_title('Pearson 相关性热力图', fontsize=16, fontweight='bold')

# 子图2：Spearman 相关性
corr_spearman = df.corr(method='spearman')
sns.heatmap(corr_spearman, annot=True, cmap='coolwarm', center=0,
            mask=mask_upper, fmt='.2f', linewidths=1,
            ax=axes[1], vmin=-1, vmax=1,
            cbar_kws={'label': 'Spearman 相关系数'})
axes[1].set_title('Spearman 相关性热力图', fontsize=16, fontweight='bold')

plt.tight_layout()
plt.show()
6.2 热力图解读技巧
python 复制代码 
# 自动识别强相关特征对
def find_strong_correlations(corr_matrix, threshold=0.7):
    """找出相关系数超过阈值的变量对"""
    pairs = []
    columns = corr_matrix.columns
    for i in range(len(columns)):
        for j in range(i + 1, len(columns)):
            r = corr_matrix.iloc[i, j]
            if abs(r) >= threshold:
                pairs.append({
                    '变量1': columns[i],
                    '变量2': columns[j],
                    '相关系数': round(r, 3),
                    '方向': '正相关' if r > 0 else '负相关'
                })
    return pd.DataFrame(pairs)

print("=" * 60)
print("强相关变量对（|r| >= 0.7）")
print("=" * 60)
strong_pairs = find_strong_correlations(corr_pearson, threshold=0.7)
print(strong_pairs.to_string(index=False))

# 寻找与目标变量最相关的特征
target = '总营收'
corr_with_target = corr_pearson[target].drop(target).abs().sort_values(ascending=False)

print(f"\n与 '{target}' 最相关的特征（按绝对值排序）:")
for var, r in corr_with_target.items():
    direction = '+' if corr_pearson.loc[var, target] > 0 else '-'
    print(f"  {var}: {direction}{r:.3f}")

热力图解读要点：

  1. 颜色深浅：颜色越深，相关性越强
  2. 正负区分：暖色（红/橙）通常为正相关，冷色（蓝）为负相关
  3. 对角线：永远是 1（变量与自身完全相关）
  4. 强相关特征对：如果两个特征之间 r>0.8，可能存在多重共线性，考虑只保留一个

七、多重共线性检测（VIF）

当两个或多个特征高度相关时，会导致回归模型的系数不稳定。方差膨胀因子（VIF）用于检测多重共线性。

python 复制代码 
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 计算 VIF
numeric_df = df[['广告投入', '网站流量', '注册人数', '购买人数', '客单价', '客户满意度']]

# 添加常数项
X_with_const = pd.DataFrame(numeric_df)
X_with_const['const'] = 1

vif_data = pd.DataFrame()
vif_data['特征'] = X_with_const.columns
vif_data['VIF'] = [variance_inflation_factor(X_with_const.values, i) 
                   for i in range(X_with_const.shape[1])]

print("=" * 60)
print("方差膨胀因子（VIF）检测")
print("=" * 60)
print(vif_data.to_string(index=False))

print("\nVIF 解读：")
print("  VIF = 1:  无共线性")
print("  1 < VIF < 5: 轻度共线性（通常可接受）")
print("  5 <= VIF < 10: 中度共线性（需关注）")
print("  VIF >= 10: 严重共线性（建议处理）")

# 可视化
fig, ax = plt.subplots(figsize=(10, 5))
vif_no_const = vif_data[vif_data['特征'] != 'const']
bars = ax.barh(vif_no_const['特征'], vif_no_const['VIF'], color='Set1')
ax.axvline(5, color='#E53935', linestyle='--', alpha=0.7, label='VIF=5（关注线）')
ax.axvline(10, color='red', linestyle='--', alpha=0.7, label='VIF=10（危险线）')
ax.set_title('特征多重共线性检测（VIF）', fontsize=14, fontweight='bold')
ax.set_xlabel('VIF 值')
ax.legend()

# 标注
for bar, vif in zip(bars, vif_no_const['VIF']):
    ax.text(bar.get_width() + 0.2, bar.get_y() + bar.get_height()/2, 
            f'{vif:.1f}', va='center', fontsize=11)

plt.tight_layout()
plt.show()

八、偏相关分析

偏相关系数衡量的是在控制其他变量后，两个变量之间的净相关。

python 复制代码 
from pingouin import partial_corr

# 偏相关分析：控制"广告投入"后，"网站流量"与"注册人数"的关系
# 安装: pip install pingouin

try:
    result = partial_corr(data=df, x='网站流量', y='注册人数', covar='广告投入')
    print("偏相关分析结果:")
    print(f"  控制'广告投入'后:")
    print(f"  网站流量 ↔ 注册人数的偏相关系数: {result['r'].values[0]:.4f}")
    print(f"  P值: {result['p-val'].values[0]:.6f}")
    
    # 对比简单相关
    simple_r = df['网站流量'].corr(df['注册人数'])
    print(f"\n  不控制任何变量时的简单相关系数: {simple_r:.4f}")
    print(f"\n  差异说明：")
    if abs(result['r'].values[0]) < abs(simple_r):
        print(f"  → 控制'广告投入'后相关性降低，说明'网站流量-注册人数'的部分关系")
        print(f"    是通过'广告投入'间接产生的")
except ImportError:
    print("提示：安装 pingouin 库可进行偏相关分析")
    print("命令: pip install pingouin")

实战练习

练习一：电商数据分析

对以下电商数据集进行完整的相关性分析：

  1. 计算所有数值变量的 Pearson 和 Spearman 相关系数
  2. 绘制相关性热力图
  3. 找出与"总营收"最相关的 3 个特征
  4. 检测多重共线性（VIF）
  5. 写出分析结论

参考答案：

python 复制代码 
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr, spearmanr
from statsmodels.stats.outliers_influence import variance_inflation_factor

np.random.seed(42)
n = 1000

df = pd.DataFrame({
    'UV': np.random.uniform(1000, 50000, n),
    '转化率': np.random.uniform(0.01, 0.15, n),
    '客单价': np.random.normal(150, 50, n),
    '复购率': np.random.uniform(0.1, 0.6, n),
    '广告费用': np.random.uniform(5000, 500000, n),
    '客服满意度': np.random.uniform(3.0, 5.0, n)
})

# 生成GMV
df['订单数'] = df['UV'] * df['转化率']
df['GMV'] = df['订单数'] * df['客单价']
df['利润'] = df['GMV'] - df['广告费用']

# 1. 相关性矩阵
corr = df.corr()
target = '利润'

fig, axes = plt.subplots(1, 2, figsize=(16, 6))

# 热力图
mask = np.triu(np.ones_like(corr, dtype=bool))
sns.heatmap(corr, annot=True, cmap='coolwarm', center=0, mask=mask,
            fmt='.2f', linewidths=0.5, ax=axes[0], vmin=-1, vmax=1)
axes[0].set_title('相关性热力图', fontsize=14)

# 与目标变量的相关性
corr_target = corr[target].drop([target, 'GMV', '订单数']).sort_values(ascending=False)
colors = ['#E53935' if x > 0 else '#1E88E5' for x in corr_target.values]
axes[1].barh(corr_target.index, corr_target.values, color=colors)
axes[1].set_title(f'与{target}的相关系数', fontsize=14)
axes[1].axvline(0, color='black', linewidth=0.5)

plt.tight_layout()
plt.show()

print(f"\n与'利润'最相关的特征（前3个）:")
for i, (var, r) in enumerate(corr_target.abs().nlargest(3).items()):
    sign = '+' if corr_target[var] > 0 else '-'
    print(f"  {i+1}. {var}: {sign}{corr_target[var]:.3f}")

练习二：相关不等于因果的演示

创建一个数据集，展示"相关但不因果"的经典案例。

参考答案：

python 复制代码 
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

np.random.seed(42)
n = 365  # 一年的数据

# 隐藏变量：温度
temperature = 15 + 15 * np.sin(np.arange(n) * 2 * np.pi / 365) + np.random.normal(0, 3, n)

# 冰淇淋销量 = 温度的函数
ice_cream = np.maximum(0, 50 * (temperature - 15) / 20 + np.random.normal(0, 10, n))

# 溺水人数 = 温度的函数（夏天游泳的人多）
drowning = np.maximum(0, 5 * (temperature - 18) / 15 + np.random.normal(0, 1.5, n))

df = pd.DataFrame({
    '日期': pd.date_range('2024-01-01', periods=n),
    '温度': temperature,
    '冰淇淋销量': ice_cream,
    '溺水人数': drowning.astype(int)
})

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 误导性相关
r, p = pearsonr(df['冰淇淋销量'], df['溺水人数'])
axes[0].scatter(df['冰淇淋销量'], df['溺水人数'], alpha=0.5, color='#E53935', s=40)
axes[0].set_title(f'冰淇淋销量 ↔ 溺水人数\nr = {r:.3f}（虚假相关！）', fontsize=13)
axes[0].set_xlabel('冰淇淋销量')
axes[0].set_ylabel('溺水人数')
axes[0].grid(True, alpha=0.3)

# 真相：温度的影响
axes[1].scatter(df['温度'], df['冰淇淋销量'], alpha=0.5, color='#1E88E5', s=40, label='冰淇淋销量')
axes[1].scatter(df['温度'], df['溺水人数'], alpha=0.5, color='#43A047', s=40, label='溺水人数')
axes[1].set_title('真相：温度是共同原因', fontsize=13)
axes[1].set_xlabel('温度')
axes[1].set_ylabel('数量')
axes[1].legend()
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

print("经典教训：")
print("  冰淇淋销量和溺水人数高度相关，但没有因果关系！")
print("  真正的共同原因（混杂变量）是：气温")
print("\n数据分析师的黄金法则：")
print("  相关性只能说明'有关系'，不能说明'谁导致谁'！")
print("  确定因果需要：随机实验、控制混杂因素、因果推断方法")

本节总结

本节我们系统学习了相关性分析的核心方法：

  1. 协方差：相关性的原始测量，受量纲影响，不便直接比较
  2. Pearson 相关系数：最常用，只检测线性关系，要求数据近似正态分布
  3. Spearman 秩相关系数：对异常值鲁棒，适合非线性单调关系
  4. Kendall 秩相关系数：适合小样本和序数数据
  5. 显著性检验：P值判断相关关系是否统计显著
  6. 相关性热力图：一目了然的矩阵可视化
  7. VIF 多重共线性检测：识别高度相关的特征对
  8. 偏相关分析：控制其他变量后的净相关

三个核心认知：

  • 相关不等于因果：这是数据分析中最重要的一条原则
  • r值 + P值一起看：强相关但不显著，或显著但不强烈，都需要进一步分析
  • 先画散点图：相关系数只是一个数字，散点图能看到非线性关系和异常值

下一节预告

第23节我们将学习 统计推断基础与假设检验。前面我们分析了数据之间的相关性，但这些"关系"是真的存在，还是随机波动产生的假象？假设检验就是回答这个问题的标准工具。我们将学习 t检验、卡方检验、ANOVA、P值的正确理解、置信区间的计算，以及一个完整的 A/B 测试案例。

结尾

希望对初学者有帮助；致力于办公自动化的小小程序员一枚
希望能得到大家的【❤️一个免费关注❤️】感谢！
求个 🤞 关注 🤞 +❤️ 喜欢 ❤️ +👍 收藏 👍
此外还有办公自动化专栏，欢迎大家订阅：Python办公自动化专栏
此外还有爬虫专栏，欢迎大家订阅：Python爬虫基础专栏
此外还有Python基础专栏，欢迎大家订阅：Python基础学习专栏
相关推荐
杨超越luckly1 小时前
Agent应用指南：利用GET请求获取理想汽车门店位置信息
前端·python·html·汽车·可视化
财经资讯数据_灵砚智能1 小时前
基于全球经济类多源新闻的NLP情感分析与数据可视化（日间）2026年6月9日
人工智能·python·ai·信息可视化·自然语言处理·ai编程·灵砚智能
keykey6.1 小时前
循环神经网络（RNN）与序列模型：让AI学会“记忆“
开发语言·人工智能·深度学习·机器学习
星恒随风1 小时前
C++ 类和对象入门（四）：日期类 Date 的运算符重载实现详解
开发语言·c++·笔记·学习
疯狂打码的少年3 小时前
编译程序与解释程序的区别
java·开发语言·笔记
caimouse5 小时前
reactos编码规范
c语言·开发语言
xieliyu.9 小时前
Java算法精讲：双指针（三）
java·开发语言·算法
love530love9 小时前
LiveTalking 数字人项目 Windows 部署完全指南（EPGF 架构）
人工智能·windows·python·架构·livetalking·epgf
遇事不決洛必達10 小时前
【Python基础】GIL 锁是什么及其对爬虫的影响
爬虫·python·线程·进程·gil锁
热门推荐
01【AI】2026 年具身智能模型和世界模型总结02GitHub 镜像站点032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04Codex 下载安装指南：Windows 和 macOS 官方版下载052026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？06AI科技热点日报 | 2026年6月1日07【踩坑记录 | 第一篇】微软商店无法使用时，如何手动安装 OpenAI Codex？附`.msix`文件系统错误解决方法08CC-Switch 下载、安装与使用配置指南【2026.5.29】09Agnes AI 全模态 API 免费实测报告：文生图 + 文生视频完整测试10《置身钉内》原文-可播放阅读