Budowanie macierzy korelacji
Masz już za sobą rankingowanie albumów — teraz zespół ds. strategii chce sprawdzić, które metryki zmieniają się razem. Zbiór danych Spotify został wzbogacony o kolumny streams_billions i streams_per_listener. Zbuduj macierz korelacji, aby wychwycić silne i słabe zależności między tymi cechami numerycznymi.
polars jest załadowany jako pl. DataFrame spotify z dodatkowymi kolumnami jest już wczytany.
To ćwiczenie jest częścią kursu
Transformacje danych z Polars
Instrukcje do ćwiczenia
- Wybierz pięć kolumn numerycznych:
streams_billions,monthly_listeners,streams_per_listener,duration_msipopularity, a następnie oblicz korelację. - Dodaj kolumnę
metricdo wyniku, aby poprawić czytelność.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Build a correlation matrix from selected columns
corr = spotify.____(
"streams_billions",
"monthly_listeners",
"streams_per_listener",
"duration_ms",
"____",
).____()
# Add a metric column for row labels
result = corr.with_columns(pl.Series("____", corr.columns))
print(result)