pandas corr()の使い方｜相関係数・相関行列を初心者向けに解説

describe()で平均値や標準偏差を確認したあとに、「売上と広告費には関係があるの？」「どの列とどの列が一緒に動いているの？」と気になることはありませんか？

そんなときに使えるのが、Pandasのcorr()です。corr()を使うと、複数の数値列の関係を相関係数としてまとめた「相関行列」を作れます。

ただし、df.corr()を実行して表を出すだけでは十分ではありません。大切なのは、相関係数の符号と大きさを読み、気になる組み合わせを散布図でも確認することです。

この記事では、Google Colabでそのまま試せる小さなDataFrameを使って、corr()の基本から相関行列の読み方、散布図との使い分けまで順番に解説します。

この記事でわかること

• corr()を何のために使うのか
• 相関係数の「1・0・-1」の意味
• DataFrameから相関行列を作り、どこを見ればよいか
• Pearson・Spearman・Kendallの基本的な違い
• corr()とdescribe()・散布図の使い分け
• 文字列型や欠損値があるときの注意点
• 相関係数だけで判断せず、散布図へ進む分析の流れ

この記事のゴールは、corr()で相関行列を作って正しく読み、気になる関係を散布図で確かめられるようになることです。

まず結論：corr()は「列と列の関係」をまとめて確認するときに使う

データを確認するときは、知りたいことによって使う方法を変えると迷いにくくなります。

つまり、corr()は1列ずつを見るdescribe()と、2列を図で見る散布図の間をつなぐ役割があります。

基本統計量の確認方法を先に知りたい方は、pandas describe()の使い方も参考にしてください。DataFrameそのものがまだ不慣れな場合は、Pandas DataFrame入門から確認すると流れをつかみやすくなります。

相関係数とは？-1〜1の値をどう読むか

相関係数は、2つの数値がどの程度一緒に動くかを**-1から1の範囲**で表した値です。

ここで重要なのは、符号は関係の向き、絶対値は直線的な関係の強さを見る手がかりだということです。たとえば-0.9は「マイナスだから弱い」のではなく、強い負の相関を示します。

また、「0.7以上なら必ず強い」のように数値だけで機械的に判断するのはおすすめできません。何を強いとみなすかは、データの種類や分析目的によって変わります。まずは相関係数で候補を見つけ、元データや散布図も確認するのが基本です。

相関を確認するサンプルDataFrameを作る

ここからは、ある店舗の12期間分のデータを例にします。広告費、売上、気温、返品件数という4つの数値列を用意します。

今回は相関の違いを確認しやすいように、関係がはっきり表れる練習用データを使用します。

この例で知りたいのは、どの列同士が一緒に増減しているのかです。まずは元データを確認しましょう。

import pandas as pd

df = pd.DataFrame({
    "広告費": [10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65],
    "売上": [82, 95, 103, 119, 128, 142, 151, 165, 172, 188, 197, 211],
    "気温": [18, 25, 12, 28, 16, 22, 30, 14, 26, 19, 24, 20],
    "返品件数": [42, 39, 37, 35, 32, 31, 28, 26, 24, 21, 19, 17]
})

df

元のDataFrameは、1行が1期間の観測データです。この12行から、列同士の関係をまとめた表へ変換するのが次のcorr()です。

pandas corr()の基本的な使い方

DataFrameの相関係数をまとめて求める基本形は、次の1行です。

corr_matrix = df.corr()
corr_matrix.round(3)

実行すると、元の12行×4列のデータから、次のような4列×4列の相関行列が得られます。小数第3位に丸めると、おおよそ次の値です。

これが「処理前→処理後」の大きな変化です。corr()は各行を個別に表示するのではなく、列と列の組み合わせごとに1つの相関係数を計算します。

相関行列は「対角線以外」を見る

相関行列を初めて見ると、1.000がたくさん並んでいて戸惑うかもしれません。見るポイントは2つです。

1. 対角線はすべて1になる
   • 広告費と広告費のように、同じ列を自分自身と比較しているためです。
2. 上下には同じ組み合わせが重複する
   • 広告費×売上と売上×広告費は同じ関係なので、同じ値になります。

そのため、初心者のうちは対角線ではなく、異なる列同士の値を見ると考えれば十分です。

特定の列との相関だけを確認する

相関行列全体ではなく、たとえば「売上とほかの列の関係だけを見たい」という場合は、列名を指定します。

# 「売上」とほかの列との相関だけを確認
corr_matrix["売上"].drop("売上")

corr_matrix["売上"]で売上の列だけを取り出し、drop("売上")で売上自身との相関係数1.0を除いています。特定の指標と関係が強い列を探したいときに便利です。

ヒートマップで相関行列を視覚的に捉える

列数が多いDataFrameでは、相関行列をヒートマップにすると、相関の強さと向きを色で見分けやすくなります。ここでは、先ほど作ったcorr_matrixをそのまま可視化します。

seabornライブラリのheatmap関数を使うと、簡単にヒートマップを作成できます。

!pip install japanize_matplotlib
import seaborn as sns
import matplotlib.pyplot as plt
import japanize_matplotlib # 日本語フォントを有効にする

plt.figure(figsize=(8, 6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.3f', linewidths=.5)
plt.title('相関行列のヒートマップ')
plt.show()

このcoolwarm配色では、赤系が正の相関、青系が負の相関、白に近い色が0付近を示します。まず色で気になる組み合わせを見つけ、annot=Trueで表示した数値を確認しましょう。

正の相関・負の相関・弱い相関を同じデータで読む

先ほどの相関行列から、特徴の異なる3つの組み合わせを見てみましょう。

print("広告費と売上      :", round(corr_matrix.loc["広告費", "売上"], 3))
print("広告費と返品件数  :", round(corr_matrix.loc["広告費", "返品件数"], 3))
print("売上と気温        :", round(corr_matrix.loc["売上", "気温"], 3))

広告費と売上      : 0.999
広告費と返品件数  : -0.999
売上と気温        : 0.122

このサンプルでは、次のように読めます。

• 広告費と売上：0.999 → 強い正の相関がある
• 広告費と返品件数：-0.999 → 強い負の相関がある
• 売上と気温：0.122 → 少なくとも強い直線的な相関は見られない

ここで、0.122だから「売上と気温には絶対に何の関係もない」とは断定できません。corr()が捉える関係、とくに標準のPearson相関は直線的な関係が中心です。曲線的な関係や外れ値の影響は、相関係数だけでは見落とすことがあります。

このため、corr()は結論を自動的に出す道具ではなく、詳しく見る組み合わせを探す道具として使うと理解しやすいです。

Pearson・Spearman・Kendallはどう使い分ける？

DataFrame.corr()は、標準ではPearson（ピアソン）の相関係数を計算します。初心者が連続した数値データの直線的な関係を見るなら、まずPearsonから始めればよいでしょう。

指定するときはmethod引数を使います。違いが見えやすいよう、ここだけ小さな比較用データを使います。xが増えるにつれてyも必ず増えますが、最後の値だけ大きく離れています。

method_df = pd.DataFrame({
    "x": [1, 2, 3, 4, 5, 6, 7, 8],
    "y": [1, 2, 3, 4, 5, 6, 7, 100]
})

print("Pearson :", round(method_df.corr(method="pearson").loc["x", "y"], 3))
print("Spearman:", round(method_df.corr(method="spearman").loc["x", "y"], 3))
print("Kendall :", round(method_df.corr(method="kendall").loc["x", "y"], 3))

Pearson : 0.624
Spearman: 1.0
Kendall : 1.0

この例では順位そのものは完全に同じ方向へ動いているため、SpearmanやKendallでは強い関係として表れます。一方、Pearsonは数値の直線的な関係を見るため、最後の大きな値の影響を受けます。

ここでは**「methodによって見ている関係が違う」**と分かれば十分です。Spearman・Kendallの統計理論や数式には深入りしません。通常の数値データで迷ったら、まずPearsonで確認し、分析目的に応じて別の方法を検討しましょう。

corr()でつまずきやすい3つのポイント

corr()は短いコードで使えますが、実際のCSVやExcelから読み込んだデータでは、データ型や欠損値に注意が必要です。

1. 数字に見えても文字列型になっていることがある

たとえばCSVから読み込んだ広告費が文字列になっていると、そのまま数値列として分析できないことがあります。まずdtypesで型を確認する習慣をつけましょう。

df_text = df.copy()
df_text["広告費"] = df_text["広告費"].astype(str)

df_text.dtypes

型が混在するDataFrameでは、初心者には数値列を明示してからcorr()を使う方法が分かりやすく、安全です。

numeric_df = df_text.select_dtypes(include="number")
numeric_df.corr().round(3)

DataFrame.corr()にはnumeric_onlyという引数もあります。数値列だけを対象にする書き方としてdf.corr(numeric_only=True)もありますが、なぜ列が対象外になったのかを理解するためにも、先にdtypesで型を確認するのがおすすめです。

数値列だけを選ぶ方法はpandas select_dtypes()の使い方、文字列になった数字を数値型へ直す方法はpandas to_numeric()の使い方で詳しく解説しています。

2. 欠損値があっても「0」として計算されるわけではない

実データには欠損値が含まれることがあります。corr()では、対象となる2列について利用できる観測値を使って相関を計算します。欠損値を勝手に0へ置き換えて計算するわけではありません。

たとえば一部の売上を欠損値にして確認します。

df_missing = df.copy()
df_missing.loc[[2, 7], "売上"] = pd.NA

print(df_missing[["広告費", "売上"]].isna().sum())
df_missing[["広告費", "売上"]].corr().round(3)

広告費    0
売上     2
dtype: int64

相関係数の計算に必要な最小データ数を決めたい場合は、min_periodsを指定できます。次の例では、広告費と売上の有効な組み合わせが10件しかないのに11件以上を必要とするため、この2列間の相関係数はNaNになります。

# 計算に必要な有効データ数を11件以上に指定
df_missing[["広告費", "売上"]].corr(min_periods=11)

min_periodsは、少ないデータだけで相関係数が計算されるのを避けたい場合に便利です。PandasではPearson相関とSpearman相関で利用できます。

欠損が多いほど、組み合わせによって計算に使えるデータ数が変わる可能性があります。相関係数を見る前に「何件のデータが残っているのか」を意識しましょう。欠損値の場所や件数の確認は、Pandas isnull()で欠損値を確認する記事につなげて学べます。

なお、isnull()記事で扱っているmissingnoの「欠損パターン同士の相関」と、ここで扱う売上・広告費など通常の数値変数同士の相関は目的が異なります。

3. NaNが出たら「計算できる変化があるか」を確認する

相関係数がNaNになる代表例の1つが、すべて同じ値の列です。値が変化しない列では、通常の相関係数を計算できません。

df_constant = df[["広告費", "売上"]].copy()
df_constant["固定値"] = 1

df_constant.corr().round(3)

corr()でNaNを見つけたら、エラーだと決めつけず、列の値がすべて同じではないか、欠損値が多すぎないか、計算に使えるデータが十分あるかを確認してください。

corr()だけで判断せず、散布図で形を確認する

相関係数は複数列を一覧で比較するのに便利ですが、点がどのように散らばっているかまでは分かりません。

たとえば広告費と売上は相関係数が約0.999でした。この関係を散布図でも確認してみましょう。

import matplotlib.pyplot as plt

plt.scatter(df["広告費"], df["売上"])
plt.xlabel("Ad cost")
plt.ylabel("Sales")
plt.title("Ad cost vs Sales")
plt.grid(alpha=0.3)
plt.show()

点が右上がりに並んでいれば、「広告費が大きい期間ほど売上も大きい」という傾向を目でも確認できます。

散布図には、相関係数だけでは気づきにくい次の情報があります。

• 外れた点がないか
• 点が直線ではなく曲線のように並んでいないか
• 一部の点だけが相関係数を大きく動かしていないか

したがって、corr()で候補を探す → 散布図で実際の形を見るという順番が実践的です。散布図の色・サイズ・凡例などは、Matplotlib scatter入門で詳しく解説しています。この記事ではcorr()の結果を確かめるための最小限の描画にとどめます。

データ分析では「確認→相関→可視化」の流れで使う

実際の分析では、いきなりcorr()だけを実行するより、次の順番で進めると迷いにくくなります。

1. head()やdtypesでDataFrameの中身と型を確認する
2. describe()で各数値列の分布をざっくり確認する
3. 必要なら文字列の数字や欠損値を整える
4. corr()で列同士の相関を一覧する
5. 気になる組み合わせを散布図で確認する

つまり、corr()は前処理そのものではなく、整えたDataFrameを探索し、次に詳しく見るべき関係を見つける段階に位置づきます。

この流れを意識すると、df.corr()で表を出して終わるのではなく、分析の次の一手を決められるようになります。

注意：相関が高くても因果関係があるとは限らない

相関係数を読むときに、最も大切な注意点の1つです。

たとえば、このサンプルでは広告費と売上に強い正の相関があります。しかし、この結果だけから**「広告費を増やしたことが売上増加の原因である」**とは断定できません。季節、キャンペーン、来店客数など、別の要因が両方に影響している可能性もあります。

corr()が示すのは、あくまでデータ上の関係です。相関関係と因果関係は別物として扱いましょう。

まとめ：corr()で関係を見つけ、散布図で確かめよう

この記事では、Pandasのcorr()を使って相関係数・相関行列を確認する方法を解説しました。

• corr()は列と列の関係を数値でまとめて確認するメソッド
• 相関係数は-1〜1で、符号は向き、絶対値は直線的な関係の強さを見る手がかり
• 相関行列では、同じ列同士の対角線より異なる列同士を見る
• 標準のPearsonを基本にし、必要に応じてSpearman・Kendallを検討する
• 文字列型や欠損値がある場合は、計算前にデータを確認する
• 相関係数だけでは点の散らばりや外れ値が見えないため、散布図も組み合わせる
• 強い相関があっても、因果関係があるとは限らない

初心者のうちは、describe()で各列を確認 → corr()で列同士の関係を探す → scatterで形を確認という流れを覚えておくと、データ分析を一段進めやすくなります。

関連記事

• Pandas DataFrame入門｜作り方・基本操作をわかりやすく解説
• pandas describe()の使い方｜統計量の意味・include=’all’・info()との違いを解説
• pandas select_dtypes()の使い方｜データ型で列を選ぶ方法を初心者向けに解説
• pandas to_numeric()の使い方｜文字列の数字を数値に変換する方法
• Matplotlib scatter入門：色とサイズで散布図を可視化する方法
• 欠損値を可視化して攻略！Pandas isnullとヒートマップ活用術