正文

python怎么计算数据的相关系数

小六 /34 浏览量
0127

在Python中，计算相关系数通常使用 `numpy` 或 `pandas` 库。以下是使用这两种库计算相关系数的方法：

使用 `numpy` 计算相关系数

 import numpy as np 创建两个数组 x = np.array（[1, 4, 3, 5]） y = np.array（[1, 3, 4, 5]） 计算相关系数 pc = np.corrcoef（x, y） print（"相关系数：", pc[0, 1]）

使用 `pandas` 计算相关系数

 import pandas as pd 创建一个DataFrame data = pd.DataFrame（{'x': [1, 4, 3, 5], 'y': [1, 3, 4, 5]}） 计算相关系数矩阵 df_corr = data.corr（method='pearson'） print（df_corr）

使用 `seaborn` 绘制相关系数热力图

 import seaborn as sns import matplotlib.pyplot as plt 加载数据集 data = sns.load_dataset（'mpg'） 计算相关系数矩阵（仅数值列） correlation_matrix = data.corr（numeric_only=True） 绘制热力图 sns.heatmap（correlation_matrix, annot=True, cmap='coolwarm'） plt.show（）

使用 `scipy` 计算相关系数及p值

 from scipy.stats import pearsonr import numpy as np 创建两个数组 x = np.array（[1, 4, 3, 5]） y = np.array（[1, 3, 4, 5]） 计算相关系数及p值 pc, p = pearsonr（x, y） print（"相关系数：", pc） print（"显著性水平：", p）

以上代码展示了如何使用 `numpy`、`pandas` 和 `scipy` 计算相关系数。选择哪种方法取决于你的具体需求以及你正在处理的数据类型

-- 展开阅读全文 --