Estableciendo relaciones: matrices de correlación

Cursos Empresas Blog Live Conf Precios

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

Estableciendo relaciones: matrices de correlación

Comentarios

Carlos Mazzaroli

student

Resaltar valores con Pandas

penguins_df.corr().style.highlight_between(left=0.65, right=.99,color='lightgreen')

Resaltar entre
Resaltar mayor
Resaltar menor
Resaltar nulo
Resaltar quantil

Jeinfferson Bernal G

student

Matrices de Correlación

La correlación expresa hasta que punto dos variables estan relacionadas entre si. Es decir, si cambian conjuntamente. Para cuantificar que tanto estan relacionadas, se utiliza el concepto de Coeficiente de Correlacion.

Coeficiente de Correlación: cuantifica la intensidad de la relación lineal entre dos variables en un análisis de correlación

La Correlación no implica causalidad. Causalidad implica “Cuando algo (la causa) genera otra cosa (efecto)

Ruddy Ramos

student

Gracias por el aporte.

FELIX DAVID CORDOVA GARCIA

student

Para los que no les gusta usar la función assign, acá les dejo otra forma de hacerlo usando la función apply:

Leonel Ernesto Revelo Tobar

student

creo que la diferencia con assign es que apply esta igualando a cero los NaN

Ramiro Ledezma

student

Otra forma de hacerlo!

ANDRES EDUARDO MEDINA FERNANDEZ

student

Al haber hecho el sexo una variable discreta que solo puede tomar un valor de 0 o 1 al graficar se obtiene dos líneas horizontales, lo cual no muestra ninguna relación entre las dos variables para el ejemplo tome (bill_length_mm), por lo que el coeficiente de Pearson no tiene sentido en este caso.

los coeficiente que muestra el cluster map solo son valores teniendo en cuenta las varianzas del sexo respecto a la variable bill_length.

Daniel De Jesús

student

Justamente pensaba en esto cuando el profe preguntó si tendría sentido hacer este calculo. Según mis recuerdos de estadística de la licenciatura, para variables categóricas y numéricas conviene mas usar estadísticos que comparan medias de dos muestras y a partir de ellos se pueden inferir "tendencias".

José Alejandro Montes Juarez

student

No entendi nada, pero me sigo quedando con la duda, esto lo puedo aprender en algun curso de platzi?

Juan Sebastian Aponte Hung

student

Otra forma de pasar variables categóricas a numéricas.

processed_penguins_df['numeric_sex']= processed_penguins_df['sex'].map({'female':0, 'male':1})

Daniel de Jesús Martínez Vega

student

Un valor maś fácil de recordar para cmap y que también nos ayuda mucho a diferenciar es 'coolwarm'

sns.heatmap(
    preprocess_penguins_df.corr(),
    annot= True,
    cmap='coolwarm'
);

Este código nos da la siguiente gráfica: .

Juan Robayo

student

la variable con mas correlaciones es la del peso del pinguino, q se relaciona fuertemente con el de largo de la aleta y se puede ententeder el porque, a mayor tamaño de aleta mas peso, la variable con la relacion negativa mas alta es la del tamaño de la aleta y la profundidad del pico, aunque no es muy alta (llegando al 60%) es una correlacion interesante, se podria crear un hipotesis de porque esto,tipo si les permite nadar mejor,a ver si se encuentra una correlacion directa

Juan R. Vergara M.

student

Gran aporte amigo ✔

David Duque Uribe

student

José Alejandro Montes Juarez

student

Se ve muy bien, me cuesta un poco de trabajo leerlo, pero me causo una duda que es algo raro que vi visualmente. Los pinguinos son mas largos cuando pasan los años?

Mauro Benito Montoya Arenas

student

Ahora, para hallar la correlación se debe coocar así: processed_penguins_df.corr(numeric_only=True)

Ruben Gavilanes

student

la correlación en su naturaleza es aplicada a variables de base cuantitativa por ende no hace sentido aplicarla a variables de tipo categórica o nominal asi estan puedan expresarse como un numero.

Pablo Alejandro Figueroa

student

Comentarios sobre correlación de Pearson

diseñado para variables cuantitativas continuas
la variable 'year' no es variable cuantitativa, puede ser variable categórica ordinal o variable temporal
Por más que a 'Male' le asignemos 1 y a 'Female' le asignemos 0, la variable 'sex' no se convierte en variable cuantitativa, siguen siendo variable categórica nominal dicotómica.

Daniela Mendoza Redondo

student

Excelente las explicaciones del profe. Deja ejemplos super simples y muy claros.

Andres Sanchez

student

18. Estableciendo relaciones: matrices de correlación

“Expresa hasta qué punto dos variables están relacionadas entre sí. Es decir, si cambian conjuntamente.”

Coeficiente de correlación: utilizamos Correlación de Pearson

Cuantifica la intensidad de la relación lineal entre dos variables en un análisis de correlación.

r = 1 correlación positiva r = 0 sin correlación r = -1 correlación negativa

Correlación no implica causalidad

Causalidad Cuando algo (la causa) genera otra cosa (efecto)

Correlación Cuando dos o más eventos aparentan estar relacionados

Según la representación de la matriz podría decir que los que más se destacan son la correlación fuerte positiva entre el tamaño de las alas y el peso. También la correlación moderada positiva entre el tamaño de las alas y largo del pico. Y que la profundidad del pico y el tamaño del las alas tenga una correlación moderada negativa.

Alfonso Andres Zapata Guzman

student

https://www.youtube.com/watch?v=96SdM9HR0RQ

Juan R. Vergara M.

student

👍 gracias

Marco Antonio Rivas Roque

student

Ya no existe el video u.u

JUAN CAMILO AGUIRRE ROMERO

student

Estoy siguiendo los ejercicios pero en Colab, alguien sabe por qué al ejecutar processed_penguins_df.corr() me genera ValueError: could not convert string to float: 'Adelie' ???

Tengo que escribirle numeric_only=True para que lo ejecute bien

Giuliano Cucina

student

Tengo una duda gente, al momento de establecer la correlacion que existe entre el sexo con las demas variables, como sabria si la relacion es para el macho o para la hembra?

Jose Potes

student

Hermano, teniendo en cuenta esto: 1 = perfecta, que un cambio de la X es un cambio positivo en la Y. -1 = Un cambio positivo en X es un cambio positivo en Y. ten encuenta esto.

Thomas Gonzalez Rodrigues

student

hola esto fue lo que hice para incluir las variables categóricas

data = df.copy()
d_object = data.loc[:,data.dtypes == object]
data.loc[:,data.dtypes == object] = d_object.apply(lambda s:pd.factorize(s)[0])

Sebastian Gaviria

student

Si queremos el heatmap sin la columna del año:

heatmap_without_year = processed_penguins_df.loc[:, processed_penguins_df.columns!='year']
sns.heatmap(data=heatmap_without_year.corr(),
            cmap=sns.color_palette("coolwarm", as_cmap=True),
            center=0,
            vmin=-1,
            vmax=1,
            linewidth=1,
            annot=True)

Juan José Bohorquez

student

Está pregunta está mal redactada:

Te encuentras realizando un análisis de correlación de Pearson entre dos variables y obtienes como resultado una correlación de 0. ¿Qué no podrías concluir de este resultado?

Pues lo qué no se puede concluir es:

No existe ninguna correlación entre las dos variables observadas.

Pues NO puedo concluir que no existe ninguna correlación, sino que no hay una correlación lineal. DOBLE NEGACIÓN.

Adolfo Sebastián Jara Gavilanes

student

Tengo una duda: he leído acerca de como tratar la variable de sexo o género, y en la mayoría de casos se la debe transformar utilizando OneHotEncoder porque es una variable categórica nominal, y en este caso se la trata como si fuera variable categórica ordinal. ¿Alguien sabe por qué se hace así?

Carlos Andrés Pinilla Castillo

student

Por defecto al tener solo dos opciones, es como si se le estuviera tratando como OneHotEncoder. Male se le asigna un 1 Female 0

Para efectos practicos es como si la variable fuera: Es macho: 1 -> Para Male Es Macho: 0 -> Para Female

El resultado anterior sería el mismo de aplicar OneHotEncoder a la variable Sex.

heatmap_without_year = processed_penguins_df.loc[:, processed_penguins_df.columns!='year']
sns.heatmap(data=heatmap_without_year.corr(),
            cmap=sns.color_palette("coolwarm", as_cmap=True),
            center=0,
            vmin=-1,
            vmax=1,
            linewidth=1,
            annot=True)

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos

Tipos de datos y análisis de variables

Herramientas de software para el análisis exploratorio de datos

Conociendo nuestros datos: palmerpenguins

Recolección de datos, limpieza y validación

Ejercicio de validación de datos

Análisis univariado

Explorando una variable categórica: conteos y proporciones

Estadística descriptiva aplicada: medidas de tendencia central

Estadística descriptiva aplicada: medidas de dispersión

Ejercicio de obtención de medidas de dispersión

Estadística descriptiva aplicada: distribuciones

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Bonus: Teorema del límite central

Análisis bivariado

Estableciendo relaciones: gráficos de puntos

Estableciendo relaciones: gráficos de violín y boxplots