ComenzarEmpieza gratis

Datos correlacionados en la naturaleza

Se te da una matriz grains que indica la anchura y la longitud de las muestras de grano. Sospechas que la anchura y la longitud estarán correlacionadas. Para confirmarlo, haz un diagrama de dispersión de la anchura frente a la longitud y mide su correlación de Pearson.

Este ejercicio forma parte del curso

Aprendizaje no supervisado en Python

Ver curso

Instrucciones del ejercicio

  • Importa:

    • matplotlib.pyplot como plt.

    • pearsonr de scipy.stats.

  • Asigna la columna 0 de grains a width y la columna 1 de grains a length.

  • Crea un diagrama de dispersión con width en el eje x y length en el eje y.

  • Utiliza la función pearsonr() para calcular la correlación de Pearson de width y length.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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)
Editar y ejecutar código