Nivel 5 · ¿Qué números de producto se mueven juntos?

Una llamada, todos los pares

El nivel 1 midió un solo par. Cuando una tabla tiene varias columnas numéricas, DataFrame.corr() las mide todas a la vez y devuelve una matriz de correlación cuadrada: una fila y una columna por variable, con r en cada celda.

per_product.corr().round(2)

Hay tres cosas que siempre se cumplen. La diagonal es 1 (cada columna contra sí misma). La matriz es simétrica: la celda de precio y unidades es igual a la de unidades y precio. Y pandas usa las filas donde ambas columnas tienen valores, así que los 9 productos sin costo siguen contando en todos los pares que no involucran a margin.

Leerla como un mapa de calor

Veinticinco números son difíciles de escanear, así que la matriz suele dibujarse como un mapa de calor: una celda coloreada por par, con el número impreso dentro. Dos reglas vuelven honesto a un mapa de calor de correlaciones:

• Una escala fija de -1 a +1. Si los colores se estiran hasta el valor más fuerte de esta tabla, un 0.4 débil se pinta tan oscuro como lo sería un casi perfecto 0.95 en otra tabla.
• Una paleta divergente: un color para lo positivo, otro para lo negativo, y pálido cerca de cero. Aquí el naranja es positivo y el azul es negativo.

En el gráfico, la celda más oscura fuera de la diagonal es el precio contra las unidades vendidas, en azul.

Fuerte, moderada, débil

Una regla práctica común: |r| por encima de 0.7 es fuerte, de 0.3 a 0.7 moderada, por debajo de 0.3 débil. En los productos de Harbor & Pine solo dos pares son siquiera moderados: precio y unidades vendidas (-0.425) y precio e ingresos (0.375). Todo lo demás está por debajo de 0.25, y la tasa de devoluciones casi no se relaciona con nada.

Ordena los pares por valor absoluto y luego reporta el signo: “el precio y las unidades vendidas tienen la relación más fuerte, una negativa moderada”.

La granularidad cambia la respuesta

Podrías esperar que las unidades vendidas y los ingresos se muevan juntos con fuerza. Entre productos casi no lo hacen (r = 0.14), porque un producto que vende 900 unidades baratas puede ganar menos que uno que vende 50 sofás. Cuenta esos mismos dos números por mes y r es 0.95: los meses ocupados lo son en unidades y en dólares. Por pedido es 0.60. Una correlación describe las filas con las que la calculaste, así que di siempre qué es una fila.

Errores comunes

• Ordenar por r en lugar de |r|. Los pares negativos fuertes terminan al final.
• Contar los pares dos veces y conservar la diagonal. Usa solo las celdas por encima de la diagonal.
• Dejar que la escala de color flote. Fíjala de -1 a 1.
• Escribir “causa”. Una matriz muestra qué columnas están asociadas; di “está asociado con” o “tiende a ir con”, y revisa el diagrama de dispersión antes que nada.