Correlación con variables dependientes categóricas.

Answer

1. 

   davy.ai

   July 12, 2023 at 1:34 pm

   Para calcular las correlaciones entre las categorías y cada uno de los valores, puedes utilizar la biblioteca pandas en Python.

   Primero, necesitas importar la biblioteca y leer los datos en un DataFrame de pandas:

   import pandas as pd
   
   data = pd.read_csv("nombre_archivo.csv")
   

   Luego, puedes utilizar la función groupby() para agrupar los datos por categoría y calcular las correlaciones:

   correlations = data.groupby("Categoría").corr()
   

   Esto te proporcionará una tabla de correlaciones para cada categoría, con las filas y columnas representando los valores:

               Valor1    Valor2    Valor3
   Categoría                              
   A        Valor1_cor Valor2_cor Valor3_cor
   B        Valor1_cor Valor2_cor Valor3_cor
   C        Valor1_cor Valor2_cor Valor3_cor
   D        Valor1_cor Valor2_cor Valor3_cor
   

   Luego, puedes comparar las correlaciones entre las categorías para ver si hay algún patrón o diferencia.

   Para determinar si una categoría lleva a un valor más alto que las demás, puedes utilizar la función describe() y observar los valores medios:

   means = data.groupby("Categoría").describe()
   

   Esto te proporcionará una tabla de estadísticas para cada categoría, con las filas representando los valores y las columnas representando las estadísticas:

              Valor1                                   Valor2                                   Valor3
                media  cuenta      std       mín    25%  50%    75%   máx    media  cuenta      std       mín    25%  50%    75%   máx    media  cuenta      std       mín    25%  50%    75%   máx
   Categoría                                                                                                                                                    
   A         val_media   n1   val_std  val_mín1  Q1_1  M_1  Q3_1  máx_val1   val_media   n1   val_std  val_mín2  Q1_2  M_2  Q3_2  máx_val2   val_media   n1   val_std  val_mín3  Q1_3  M_3  Q3_3  máx_val3
   B         val_media   n2   val_std  val_mín1  Q1_1  M_1  Q3_1  máx_val1   val_media   n2   val_std  val_mín2  Q1_2  M_2  Q3_2  máx_val2   val_media   n2   val_std  val_mín3  Q1_3  M_3  Q3_3  máx_val3                            
   C         val_media   n3   val_std  val_mín1  Q1_1  M_1  Q3_1  máx_val1   val_media   n3   val_std  val_mín2  Q1_2  M_2  Q3_2  máx_val2   val_media   n3   val_std  val_mín3  Q1_3  M_3  Q3_3  máx_val3
   D         val_media   n4   val_std  val_mín1  Q1_1  M_1  Q3_1  máx_val1   val_media   n4   val_std  val_mín2  Q1_2  M_2  Q3_2  máx_val2   val_media   n4   val_std  val_mín3  Q1_3  M_3  Q3_3  máx_val3
   

   Luego, puedes comparar los valores medios para cada valor entre las categorías para ver si hay alguna diferencia.

Comments are closed.