Cómo calcular y visualizar la matriz de correlación en Python

[@andresfelipelondonomendiet3137]

Ando tomando un curso de analisis de datos con python y no habia podido encontrar un video que tuviera una explicación tanto de codigo como de estadistica la verdad muy buen video

[@Julio1jpg]

Está perfectamente explicado. Muchas gracias!

[@GrowUpDataAnalytics]

Nos alegra que te gustara! Gracias por ver nuestro contenido.

[@ceciliabress9671]

excelente explicacion! gracias!

[@GrowUpDataAnalytics]

Nos alegra que te guste el contenido, gracias por comentar :)

[@lauranunez8940]

Hola, muy buen video. Puedes subir la base de datos para realizar el ensayo. Gracias

[@guselizalde4616]

Muchas gracias, por el video. Podrías subir uno de como representar los datos en un diagrama o modelo, diferente del heatmap o mapa de calor. Me gustaría saber como hacer un diagrama de cuerdas o una correlación de red.

[@GrowUpDataAnalytics]

Hola Gus, gracias por tu comentario. Lo tomaremos en cuenta.

[@javiertolin73]

Gracias por el video, me podeis enviar el fichero origen que usais en el video, por favor. Gracias

[@sisavmx7166]

Esta vizualización la podria incluir dentro de Power BI? o de que manera podria reallizarse dentro de Power BI?

[@GrowUpDataAnalytics]

Hola, si se puede incluir. Para esto es importante haber configurado Python en Power bi para que puedas ejecutar el script sin problemas. ¡Saludos!

[@nestormartinez3256]

La variable Sexo NUNCA podrá intervenir para calcular coeficiente de correlación de Pearson porque está medida en una escala nominal. No son números. Aún cuando transformes lus correspondientes strings (‘M’,’F’) números (1;2) porque su semántica sigue siendo la misma: son clases. No son verdaderos números (magnitudes), sino códigos. No pueden ser operados aritméticamente. Sólo puedes contar las ocurrencias de cada uno de ellos. Es muy común confundir escala de medida (nominal, ordinal, de intervalos, de proporciones) con tipo de dato (asociado a su representación en el ordenador - integer, float, boolean, chat, etc). Sólo las dos ultimas escalas pueden ser operadas numéricamente.

[@GrowUpDataAnalytics]

¡Hola! Tienes razón en señalar que la variable "Sexo" no se utiliza en el cálculo de la matriz de correlación mostrada en el video. Aunque aparece en el conjunto de datos, al realizar la matriz de correlación, se excluyen automáticamente las variables categóricas como "Sexo" debido a que el coeficiente de correlación de Pearson solo puede calcularse entre variables numéricas. Por lo tanto, la variable "Sexo" no influye en el cálculo de la matriz de correlación y no se muestra en el resultado final.