課程負責人：陳清華相關分析任務實施【數據挖掘應用】課程碳排放數據分析知識與能力目標理解相關分析的作用掌握常用的相關分析方法會使用corr()對碳排放數據進行相關分析會使用散點圖、熱力圖展現相關分析碳排放數據相關分析主要內容任務工單引導問題任務評價標準任務解決方案代碼解析相關系數（CorrelationCoefficient）是專門用來衡量兩個變量之間的線性相關程度的指標。簡單相關分析直接計算兩個變量的相關程度。任務概述

任務描述：本任務主要使用散點圖展現變量是否存在相關性，并用Pandas中的corr()函數來計算變量間的相關程度。010010011001101010100100110110100101110101000100001011011101001010101101010011010010任務工單tpf.xlsxnumyearitemRawCoalCleanedCoal...Scope1Total11997Farming,Forestry,AnimalHusbandry,FisheryandWaterConservancy30.897729120.416359042

74.3789848421997CoalMiningandDressing32.958534775.252869261

44.3459333231997PetroleumandNaturalGasExtraction5.2746735910.000619491

36.9702250641997FerrousMetalsMiningandDressing0.8354291580.002890957

3.81144775537889數據源tpf.xlsx顯示結果

任務要求任務概述不同因素（1）如何展現數據間的相關性？有哪些類型的圖表？（2）Pandas包中的計算相關度的函數有哪些？如何使用？（3）corr()的關鍵參數有哪些？哪些是必選的？（4）corr()返回值代表什么意義？如果值為0表示什么？（5）如何計算所有列數據間的相關度并展現？”

問題引導：任務概述

任務評價：任務概述評價內容評價要點分值分數評定自我評價1.任務實施簡單相關分析4分能用圖表展現數據是否相關得2分，能正確計算兩個變量間的相關度得2分

數據分組分析3分會對所有數據進行相關度分析得1分，會使用熱力圖展現結果得2分

2.任務總結依據任務實施情況總結結論3分能對所有方法進行比較得1分，總結內容切中各方法的特點得2分，

合計10分

第1行：制作散點圖。第3，4行：給x，y軸命名fig,ax=plt.subplots()ax.scatter(df_sum['RawCoal'],df_sum['Scope1Total’])plt.xlabel('RawCoal/Mt’)plt.ylabel('Scope1Total/Mt')任務解決方案步驟一：使用散點圖展現RawCoal和Scope1Total兩列數據的相關性。任務解決方案df_sum['Scope1Total'].corr(df_sum['RawCoal'])步驟二：計算RawCoal和Scope1Total兩列數據的相關度步驟三：計算所有數值列的相關度corr_re=df_sum[df_sum.columns[1:len(df_sum)-1]].corr()

corr_re.head()sns.heatmap(corr_re,cmap=