Ничего не могу с собой поделать, мне очень нравится фильм "Джентльмены". И когда я рассчитываю коэффициент Пирсона для очередной модели, представляю себя владельцем небольшого предприятия. Согласитесь, что более пафосно звучало бы коэффициент Микки Пирсона))). Но всё же , оставим лирику. Итак, руководство поставило задачу проанализировать данные на предмет влияния на срок резервирования продукции на сладе. Т.е. предварительно проговорили варианты, что в целом могло бы повлиять, что можно попробовать посмотреть...
Стандартным приемом для определения взаимосвязи между числовыми колонками является вычисление коэффициента корреляции Пирсона, однако с категориальными данными такой финт не пройдет, так как они, как правило, не упорядочены (читай тут). Рассмотрим способ, который можно использовать. Сначала сгенерируем тестовый набор данных, о присутствии автомобилей разных марок в заданных локациях: import numpy as np
import pandas as pd
np.random.seed(0)
autos_l = ['BMW', 'Mercedes', 'VOLGA', 'GEEP']
locations_l = ['Russia', 'Germany', 'USA']
prob_d = {'BMW':[0...