供应商报价相关性分析.pptxVIP

耗材报价分析案例（Python）

内容目录一、案例介绍二、corr()函数介绍三、使用corr函数分析供应商报价的相关性四、使用sns.pairplot可视化报价数据的相关性五、使用plt.plot可视化报价分布情况六、审计分析

耗材采购案例介绍

某单位2022年9月购买52支不同规格的墨盒，支付金额XX万元。采用比价方式采购，供应商1的报价为“报价1”，供应商2的报价为“报价2”，供应商3的报价为“报价3”。无比价邀请记录。供应商报价文件格式一致。整理后的报价情况如下表：耗材采购案例介绍

序号产品名称单位数量规格型号报价1报价2报价31粉盒套4TN281/TN285CMY1699180018992墨盒支28522002602993墨盒支38553994504804墨盒套2920XL四色7508508805硒鼓支3Q7516A1479149915996硒鼓支4DR20508799509807粉盒支12TN20504805605808硒鼓支4Q7553A7898508609硒鼓支10TD-23741948049910墨粉支4TN323L35038039511墨粉支42220D279350365整理后的供应商报价

corr()函数介绍

在分析数据时，了解数据之间的相关性是非常重要的。corr()函数，用于计算数据集中各个列之间的相关系数。相关系数可以发现不同变量之间的线性关系。简单的数据舞弊，常常以线性关系体现，因此，工作中也经常使用corr()函数，揭示数据之间的关系（r）。常见的相关性分析如下表：corr()函数介绍

变量类型相关系数计算方法示例连续型变量Pearson（正态）／Spearman（非正态）商品曝光量和购买转化率二分类变量（无序）Point-biserial性别和疾病指数无序分类变量方差分析不同教育水平的考试成绩有序分类变量连续指标离散化后当做有序分类商品评分与购买转化率二分类变量数学公式：x2检验联合Cramers?V性别和是否吸烟二分类变量（有序）Biserial乐器练习时间与考级是否通过无序分类变量数学公式：x2检验／Fisher检验手机品牌和年龄段有序分类变量数学公式：x2检验满意度和手机品牌有序分类变量Spearman／Kendall?Tau相关系数用户等级和活跃程度等这些都属于相关性系分析的范围注意：相关性并非单指线性相关，还有非线性相关，这里要研究的是函数corr()

corr()函数介绍相关性大小用相关系数r来描述。正相关：如果x,y变化的方向一致负相关：如果x,y变化的方向相反无线性相关：r=0|r|0.95存在显著性相关|r|≥0.8高度相关0.5≤|r|0.8中度相关0.3≤|r|0.5低度相关|r|0.3关系极弱，认为不相关

使用corr函数分析供应商报价的相关性

使用corr函数分析供应商报价的相关性#导入所需的库importpandasaspd#导入报价文件df=pd.read_excel(D:\三方报价.xlsx,usecols=[报价1,报价2,报价3])#相关性分析corr=df.corr()#保存分析结果corr.to_excel(D:\相关性矩阵.xlsx)

使用corr函数分析供应商报价的相关性报价1报价2报价3报价110.9987404440价20.99874044410.999450457报价30.998792090.9994504571使用df.corr()形成的相关系数矩阵注：通过以上矩阵图发现，三家报价存在高度正相关。

使用sns.pairplot可视化报价数据的相关性

使用sns.pairplot可视化报价数据的相关性sns.pairplot是Seaborn库中的一个函数，常用参数及其说明如下：data：必传参数，用于绘制的DataFrame。hue：根据分类变量给图着色，允许对数据进行分组。palette：指定颜色映射，可以是预定义的颜色集或自定义颜色列表。vars：指定需要绘制的变量列表，默认为所有变量。x_vars和y_vars：分别指定横坐标和纵坐标的变量。kind：指定图形类型，默认为散点图（scatter），可以是线性回归图（reg）或核密度估计图（kde）。diag_kind：指定对角线上的图形类型，默认为直方图（hist），还可以是核密度估计图（kde）。markers：指定点的形状，默认为圆形。size：点的大小，默认为2.5。aspect：点的尺寸与宽度的比例，默认为1。dropna：是否剔除缺失值，默认为True。

使用sns.pairplot可视化报价数据的相关性#导入所需的库importpandasaspdimportmatplotlib.pyplotaspltimpo