LoslegenKostenlos starten

Korrelierte Daten in der Natur

Du erhältst ein Array grains, das die Breite und Länge von Getreideproben enthält. Du vermutest, dass Breite und Länge miteinander korrelieren. Um das zu überprüfen, erstelle ein Streudiagramm mit Breite und Länge und miss die Pearson-Korrelation.

Diese Übung ist Teil des Kurses

<Kurs>Unsupervised Learning in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere:
    • matplotlib.pyplot als plt.
    • pearsonr aus scipy.stats.
  • Weise Spalte 0 von grains width zu und Spalte 1 von grains length.
  • Erstelle ein Streudiagramm mit width auf der x-Achse und length auf der y-Achse.
  • Verwende die Funktion pearsonr(), um die Pearson-Korrelation von width und length zu berechnen.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Perform the necessary imports
____
____

# Assign the 0th column of grains: width
width = ____

# Assign the 1st column of grains: length
length = ____

# Scatter plot width vs length
plt.scatter(____, ____)
plt.axis('equal')
plt.show()

# Calculate the Pearson correlation
correlation, pvalue = ____

# Display the correlation
print(correlation)
Code bearbeiten und ausführen