python - 计算皮尔逊相关性

Question

我正在尝试计算两个变量的 Pearson 相关系数。这些变量用于确定邮政编码数量与距离范围之间是否存在关系。所以我想看看邮政编码的数量是否随着距离范围的变化而增加/减少。

我将有一个列表来计算距离范围内的邮政编码数量，而另一个列表将具有实际范围。

可以有一个包含一系列距离的列表吗？或者最好有一个像 [50, 100, 500, 1000] 这样的列表，其中每个元素将包含该数量的范围。例如，列表代表最长 50 公里，然后从 50 公里到 100 公里，依此类推。

Answer 1

使用 scipy ：

scipy.stats.pearsonr(x, y)

计算 Pearson 相关系数和用于检验非相关性的 p 值。

Pearson 相关系数衡量两个数据集之间的线性关系。严格来说，皮尔逊相关性要求每个数据集都是正态分布的。与其他相关系数一样，这个系数在 -1 和 +1 之间变化，0 表示没有相关性。-1 或 +1 的相关性意味着精确的线性关系。正相关意味着随着 x 的增加，y 也会增加。负相关意味着随着 x 增加，y 减少。

p 值大致表示不相关系统产生的数据集的概率，这些数据集的 Pearson 相关性至少与从这些数据集计算得出的数据集一样极端。p 值并不完全可靠，但对于大于 500 左右的数据集可能是合理的。

参数 ：

x : 一维数组

y : 与 x 长度相同的一维数组

返回：

（皮尔逊相关系数，：2 尾 p 值）

Answer 2

您还可以使用numpy：

numpy.corrcoef(x, y)

这会给你一个相关矩阵，如下所示：

[[1          correlation(x, y)]
[correlation(y, x)          1]]

Answer 3

尝试这个：

 val=Top15[['Energy Supply per Capita','Citable docs per Capita']].rank().corr(method='pearson')

Answer 4

在 Python 3.10中，在 Python 标准库的模块中增加了相关statistics函数，可以通过导入统计模块直接使用：

import statistics

statistics.correlation(words, views)