Архангельский М.В. УД л.р. 2

скорость ветра. Можно оценить, как эти погодные условия взаимосвязаны друг с другом и как они связаны с количеством аренд велосипедов.

Рис.39 – корреляция

Вычислим коэффициент корреляции Пирсона между всеми парами столбцов в bikes_week.

Извлечем корреляцию для Rental Count.

Рис.40 – корелляция

Рис. 40 – убывающий список корреляции.

Вывод

В данной лабораторной работе были изучены и применены методы аналитики данных для исследования набора данных об учениках, используя

Python и библиотеки pandas, matplotlib, seaborn. Во второй части работы был осуществлен расчёт z-score, выбросов, пропущенных значений и корреляции для файла с данными о велосипедных арендах с различными метеорологическими и временными параметрами.