相关性分析-皮尔森、斯皮尔曼肯德尔相关性系数
def person_func(x,y):"""1. person correlation coefficient(皮尔森相关性系数)皮尔逊相关系数通常用r或ρ表示,度量两变量X和Y之间相互关系(线性相关)(1)公式皮尔森相关性系数的值等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX, σY)。(2)数据要求a.正态分布它是协方差与标准差的比值,并且在求皮尔森相关性系数以后,通常还会用t检验之类的方法来进行皮尔森相关性系数检验,而t检验是基于数据呈正态分布的假设的。b.实验数据之间的差距不能太大比如:研究人跑步的速度与心脏跳动的相关性,如果人突发心脏病,心跳为0(或者过快与过慢),那这时候我们会测到一个偏离正常值的心跳,如果我们把这个值也放进去进行相关性分析,它的存在会大大干扰计算的结果的。"""X1=pd.Series(x)Y1=pd.Series(y)X1.mean() #平均值Y1.mean() #X1.var() #方差Y1.var() #X1.std() #标准差不能为0Y1.std() #标准差不能为0X1.cov(Y1) #协方差# X1.cov(Y1)/(X1.std()*Y1.std()) #皮尔森相关性系数return X1.corr(Y1, method="pearson") #皮尔森相关性系数def spearman_func(x,y):"""2. spearman correlation coefficient(斯皮尔曼相关性系数)斯皮尔曼相关性系数,通常也叫斯皮尔曼秩相关系数。“秩”,可以理解成就是一种顺序或者排序,那么它就是根据原始数据的排序位置进行求解(1)公式首先对两个变量(X, Y)的数据进行排序,然后记下排序以后的位置(X’, Y’),(X’, Y’)的值就称为秩次,秩次的差值就是上面公式中的di,n就是变量中数据的个数,最后带入公式就可求解结果。(2)数据要求因为是定序,所以我们不用管X和Y这两个变量具体的值到底差了多少,只需要算一下它们每个值所处的排列位置的差值,就可以求出相关性系数了"""X1=pd.Series(x)Y1=pd.Series(y)#处理数据删除Nanx1=X1.dropna()y1=Y1.dropna()n=x1.count()x1.index=np.arange(n)y1.index=np.arange(n)#分部计算d=(x1.sort_values().index-y1.sort_values().index)**2dd=d.to_series().sum()p=1-n*dd/(n*(n**2-1))#s.corr()函数计算r=x1.corr(y1,method='spearman')return r,pdef kendall_func(x,y):"""3. kendall correlation coefficient(肯德尔相关性系数)肯德尔相关性系数,又称肯德尔秩相关系数,它也是一种秩相关系数,不过它所计算的对象是分类变量。分类变量可以理解成有类别的变量,可以分为:(1) 无序的,比如性别(男、女)、血型(A、B、O、AB);(2) 有序的,比如肥胖等级(重度肥胖,中度肥胖、轻度肥胖、不肥胖)。通常需要求相关性系数的都是有序分类变量。(1)公式R=(P-(n*(n-1)/2-P))/(n*(n-1)/2)=(4P/(n*(n-1)))-1注:设有n个统计对象,每个对象有两个属性。将所有统计对象按属性1取值排列,不失一般性,设此时属性2取值的排列是乱序的。设P为两个属性值排列大小关系一致的统计对象对数(2)数据要求类别数据或者可以分类的数据"""X1=pd.Series(x)Y1=pd.Series(y)r = X1.corr(Y1,method="kendall")return r
相关性分析-皮尔森、斯皮尔曼肯德尔相关性系数相关推荐
- 医咖会免费SPSS教程学习笔记—肯德尔协同系数检验
1.适用情形 超过两位的观察者观察连续变量或者有序分类变量 2.假设条件 3.实操 分析-非参数检验-相关样本-在"目标"下选择"自动比较实测数据和假设数据"- ...
- 斯皮尔 皮尔森 肯德尔_统计学-三大相关性系数 | 生物统计学基础系列课
原标题:统计学-三大相关性系数 | 生物统计学基础系列课 什么是生物统计学 生物统计学是一种很有用的工具,正确使用这一工具可以使科学研究更加有效,使科学研究可以更加高效的开展.因此,它是每位生物科学工 ...
- 三大统计学相关系数(pearson皮尔森、spearman斯皮尔曼、kendall肯德尔)
目录 1 person correlation coefficient(皮尔森相关性系数) 2 spearman correlation coefficient(斯皮尔曼相关性系数) 3 kendal ...
- 统计学三大相关系数之肯德尔(kendall)相关性系数
肯德尔相关性系数,又称肯德尔秩相关系数,它也是一种秩相关系数,不过它所计算的对象是分类变量. 分类变量可以理解成有类别的变量,可以分为 无序的,比如性别(男.女).血型(A.B.O.AB): 有序的, ...
- 相关系数和相关性分析(下):肯德尔相关系数
专注系列化.高质量的R语言教程 推文索引 | 联系小编 | 付费合集 前面已经介绍了皮尔逊相关系数和斯皮尔曼相关系数,详见推文:相关系数和相关性分析(上):皮尔逊相关系数.斯皮尔曼相关系数. 本篇目录 ...
- 皮尔森、斯皮尔曼,肯德尔相关系数的理解
pandas中的corr()方法可使用如下方法,检测特征间的关系 皮尔森相关系数(线性相关) 计算公式:两个连续变量(X,Y)的pearson相关性系数(Px,y)等于(X, Y)的协方差cov(X, ...
- Pearson皮尔逊,Kendall肯德尔和Spearman斯皮尔曼三种相关分析方法的异同
在SPSS软件相关分析中,pearson(皮尔逊),kendall(肯德尔)和spearman(斯伯曼/斯皮尔曼)三种相关分析方法有什么异同 两个连续变量间呈线性相关时,使用Pearson积 ...
- 皮尔逊、斯皮尔曼、肯德尔相关系数python实现
文章目录 一.肯德尔系数 1. 定义: 2. python实现 二.肯德尔系数.皮尔逊系数.斯皮尔曼系数 2. python实现 一.肯德尔系数 1. 定义: Kendall(肯德尔)系数的定义:n个 ...
- 斯皮尔 皮尔森 肯德尔_一起来学应用统计学(全部)(二)持续更新
应用统计基本内容(简略版) 描述统计:统计图表,集中趋势(平均数,中数,众数),离散趋势(极差,离均差,平均差,方差,标准差,差异系数,z分数) 数学基础(概率论基础,抽样分布理论) 推断统计:参数估 ...
最新文章
- framebuffer显示JPEG图片
- 【AWSL】之Linux引导过程及服务控制(MBR、GRUB、runlevel、systemcl、init、ntsysv、chkconfig)
- ABB机器人的错误处理
- HDU-3065 病毒侵袭持续中 AC自动机又是一板子!
- 利用JSONP解决AJAX跨域问题的原理与jQuery解决方案
- 这就是深度学习如此强大的原因
- 关于junit测试类启动慢报错:failed to resolve org.junit.platform
- 多个构造器参数使用构建器
- C++/CLI学习入门
- 中文搜索引擎技术揭密-网络蜘蛛
- R语言安装包的几种方法
- python合并两个txt、并且逐条合并_用python实现两个文本合并
- mysql 创建utf-8数据库_mysql 创建utf-8数据库
- 揭秘大厂的物联网关键技术
- 土豆网(第三方网站)使用qq登录的步骤和原理------oAuth协议
- Right-BICEP测试四则运算2
- 给定3个数字,求出这3个数字中的最大数,并输出最大数
- CodeForces - 1324D Pair of Topics(二分或双指针)
- android 简单的贪吃蛇小游戏
- 普通话测试软件哪个不要钱,普通话测试软件哪个好_普通话测试软件靠谱吗_不要钱的普通话测试软件...