ComeçarComece de graça

Dados correlacionados na natureza

Você recebe uma matriz grains que fornece a largura e o comprimento de amostras de grãos. Você suspeita que a largura e o comprimento serão correlacionados. Para confirmar isso, faça um gráfico de dispersão da largura em relação ao comprimento e meça a correlação de Pearson.

Este exercício faz parte do curso

Aprendizado não supervisionado em Python

Ver curso

Instruções do exercício

  • Importação:

    • matplotlib.pyplot como plt.

    • pearsonr de scipy.stats.

  • Atribua a coluna 0 de grains a width e a coluna 1 de grains a length.

  • Faça um gráfico de dispersão com width no eixo x e length no eixo y.

  • Use a função pearsonr() para calcular a correlação de Pearson de width e length.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 e executar o código