8.Pythonでデータ分析を始めよう！初心者向けガイド-相関分析編-

どうもニコイチです｡今回は実際にデータの見る際に重要な視点の一つである相関についてご紹介します｡できるだけわかりやすく例えを交えながら紹介しています｡

1. 相関とは？

基本的な概念

相関とは、2つの変数間の関係性の強さを示すものです。

📌 身近な例で考えてみましょう：

• 勉強時間と成績の関係（正の相関）
  • 勉強時間が増える → 成績も上がる
• アイスクリームの売上と気温の関係（正の相関）
  • 気温が上がる → 売上も増える
• 暖房の使用時間と気温の関係（負の相関）
  • 気温が下がる → 暖房使用時間が増える

2. Pythonでの相関分析

相関係数の計算

# 必要なライブラリのインポート
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# データの読み込み
df = pd.read_csv('定期貯金契約データ.csv')

# 相関係数の計算
correlation = df.corr()
print(correlation)

相関係数の解釈

• 1.0に近い → 強い正の相関
• -1.0に近い → 強い負の相関
• 0に近い → 相関が弱い

📌 目安として：

• |0.7| 以上：強い相関
• |0.4| ～ |0.7|：中程度の相関
• |0.2| ～ |0.4|：弱い相関
• |0.2| 未満：ほとんど相関なし

3. 相関の可視化

1. 散布図（量的データ×量的データ）

# 散布図の作成
plt.figure(figsize=(10, 6))
plt.scatter(df['年齢'], df['契約金額'])
plt.xlabel('年齢')
plt.ylabel('契約金額')
plt.title('年齢と契約金額の関係')
plt.show()

散布図のパターンと解釈

1. 右上がりの分布

      ・  ・
    ・  ・
   ・  ・

• 正の相関
  • 例：年齢と貯金額が比例する場合

1. 右下がりの分布

   ・  ・
    ・  ・
      ・  ・

• 負の相関
  • 例：年齢と新規契約数が反比例する場合

1. バラバラな分布

     ・   ・
   ・  ・  ・
    ・   ・

• 相関なし
  • 例：誕生月と契約金額

2. 箱ひげ図（量的データ×質的データ）

# 箱ひげ図の作成
plt.figure(figsize=(10, 6))
sns.boxplot(x='性別', y='契約金額', data=df)
plt.title('性別ごとの契約金額分布')
plt.show()

箱ひげ図の読み方

    ○ <- 外れ値
    |
    | <- ひげ（1.5×IQR）
 +-----+ <- 第3四分位数（75%）
 |     |
 |     | <- 箱（真ん中50%のデータ）
 +-----+ <- 第1四分位数（25%）
    |
    | <- ひげ
    ○ <- 外れ値

🔍 箱ひげ図で分かること：

1. データの分布の形
2. 外れ値の存在
3. グループ間の違い

4. 実践：定期貯金データの分析

Step 1: 数値データ間の相関確認

# 数値データの相関係数をヒートマップで可視化
numerical_cols = ['年齢', '契約金額', '契約期間']
correlation_matrix = df[numerical_cols].corr()

plt.figure(figsize=(8, 6))
sns.heatmap(correlation_matrix, 
            annot=True,  # 相関係数を表示
            cmap='coolwarm',  # 色使い
            vmin=-1, vmax=1)  # 値の範囲
plt.title('定期貯金データの相関関係')
plt.show()

Step 2: カテゴリデータとの関係確認

# 性別ごとの契約金額分布
plt.figure(figsize=(10, 6))
sns.boxplot(x='性別', y='契約金額', data=df)
plt.title('性別による契約金額の分布')
plt.show()

5. よくあるつまずきポイント

1. 相関≠因果関係

⚠️ 注意点：

• 相関があっても、必ずしも因果関係があるとは限りません
  • 例：アイスクリームの売上と犯罪発生率
• 両方とも夏に増えるだけで、直接の関係はない

2. 外れ値の影響

• 外れ値が相関係数を歪める可能性
• 解決策：
  • 外れ値を除外して分析
  • 外れ値がなぜ発生したか調査

3. 非線形な関係

• 相関係数は線形な関係のみ捉える
• 解決策：
  • 散布図で視覚的に確認
  • 必要に応じてデータ変換

まとめ

• 相関分析は変数間の関係を理解する基本ツール
• 数値（相関係数）と可視化（散布図・箱ひげ図）の両方を使う
• 相関≠因果関係という点に注意
• 外れ値の影響を考慮する