Boa noite, pessoal, tudo bem?
Estou com o dataframe abaixo e gostaria de tentar encontrar uma correlação entre as colunas "payments" e "jobs", ou na coluna da variação de ambas em relação ao dia anterior. Em outras palavras, necessito saber se um impacta o outro, ou seja, se quando o número de jobs varia, o de payments também varia.
Há também uma coluna de payments dividido por jobs, e eu gostaria de saber se é possível encontrar uma equação entre essas duas métricas que indique algo bom (payments subiram, jobs também), ou ruim (payments e jobs decaíram).
É possível encontrar a resposta para essas perguntas com o Python? Deixo abaixo o dataframe, e fico no aguardo de uma ajuda.
date day holiday payments var_payments jobs var_jobs pay_divided_by_jobs
0 2019-03-01 friday n 144 -59,89% 349 1645,00% 0,41
1 2019-03-02 saturday y 39 -72,92% 7 -97,99% 5,57
2 2019-03-03 sunday y 38 -2,56% 14 100,00% 2,71
3 2019-03-04 monday y 102 168,42% 17 21,43% 6,00
4 2019-03-05 tuesday y 113 10,78% 15 -11,76% 7,53
5 2019-03-06 wednesday y 107 -5,31% 327 2080,00% 0,33
6 2019-03-07 thursday n 206 92,52% 573 75,23% 0,36
7 2019-03-08 friday n 147 -28,64% 478 -16,58% 0,31
8 2019-03-09 saturday y 52 -64,63% 34 -92,89% 1,53
9 2019-03-10 sunday y 51 -1,92% 36 5,88% 1,42
10 2019-03-11 monday n 183 258,82% 532 1377,78% 0,34
11 2019-03-12 tuesday n 271 48,09% 439 -17,48% 0,62
12 2019-03-13 wednesday n 246 -9,23% 454 3,42% 0,54
13 2019-03-14 thursday n 116 -52,85% 408 -10,13% 0,28
14 2019-03-15 friday n 212 82,76% 329 -19,36% 0,64
15 2019-03-16 saturday y 74 -65,09% 26 -92,10% 2,85
16 2019-03-17 sunday y 41 -44,59% 30 15,38% 1,37
17 2019-03-18 monday n 224 446,34% 552 1740,00% 0,41
18 2019-03-19 tuesday n 181 -19,20% 424 -23,19% 0,43
19 2019-03-20 wednesday n 166 -8,29% 481 13,44% 0,35
20 2019-03-21 thursday n 123 -25,90% 386 -19,75% 0,32
21 2019-03-22 friday n 143 16,26% 384 -0,52% 0,37
22 2019-03-23 saturday y 67 -53,15% 27 -92,97% 2,48
23 2019-03-24 sunday y 61 -8,96% 31 14,81% 1,97
24 2019-03-25 monday n 199 226,23% 544 1654,84% 0,37
25 2019-03-26 tuesday n 170 -14,57% 482 -11,40% 0,35
26 2019-03-27 wednesday n 178 4,71% 465 -3,53% 0,38
27 2019-03-28 thursday n 181 1,69% 481 3,44% 0,38
28 2019-03-29 friday n 131 -27,62% 402 -16,42% 0,33
29 2019-03-30 saturday y 74 -43,51% 19 -95,27% 3,89
30 2019-03-31 sunday y 44 -40,54% 31 63,16% 1,42Att., Tiago Rangel.
