1、corr()计算列之间关系
Pandas模块的一个重要方面是corr()方法。
corr()方法计算数据集中各列之间的关系。
此页面中的示例使用一个名为“data.csv”的CSV文件。
data.csv文件：https://www.wonhero.com/download/5fe1f74edc72d93b4993067c/
例如：
显示各列之间的关系：
df.corr()
注意：corr()方法将忽略“非数字”列。
结果说明
corr()方法的结果是一个包含大量数字的表，这些数字表示两列之间的关系良好。
该数字从-1到1。
1表示存在1对1的关系（完全相关），对于此数据集，每当第一列中的一个值增加时，另一个值也随之增加。
0.9也是很好的关系，如果您增加一个值，另一个可能也会增加。
-0.9和0.9的关系一样好，但是如果增加一个值，另一个可能会下降。
0.2表示关系不好，这意味着如果一个值上升并不意味着另一个会上升。
什么是良好的相关性？取决于使用情况，但我认为可以肯定地说您必须至少具有0.6（或-0.6），以使其具有良好的相关性。
完美的相关性:
我们可以看到，“ Duration”和“ Duration”的数字为1.000000，这很有意义，每个列之间始终具有完美的关系。
良好的相关性:
“Duration”和“Calories”的相关性为0.922721，这是一个很好的相关性，我们可以预测出，锻炼时间越长，燃烧的卡路里就越多，反之亦然：消耗了大量的卡路里，可能需要长时间的锻炼。
不好的相关性:
“Duration”和“Maxpulse”的相关性为0.009403，这是一个非常差的相关性，这意味着我们无法仅通过观察锻炼的持续时间来预测最大脉冲，反之亦然。