天津网站制作软件,专门做办公的网站,wordpress 插件哪里,wordpress 前端 修改本篇文章介绍了Python中NumPy库的相关函数 np.corrcoef() 函数。 NumPy 中的相关性
相关系数是一个数字值#xff0c;表示数据集给定特征之间的关系。
相关性可以是正相关#xff0c;这意味着它们具有直接关系#xff0c;并且一个特征的增加会导致另一个特征的增加。 负相…本篇文章介绍了Python中NumPy库的相关函数 np.corrcoef() 函数。 NumPy 中的相关性
相关系数是一个数字值表示数据集给定特征之间的关系。
相关性可以是正相关这意味着它们具有直接关系并且一个特征的增加会导致另一个特征的增加。 负相关也是可能的这表明这两个特征彼此呈反比关系这意味着一个特征的上升将导致另一个特征的下降。
以下是一些不同的相关性。
皮尔逊相关系数肯德尔相关系数斯皮尔曼相关系数
然而NumPy 库函数 np.corrcoef() 仅关注并计算 Pearson 相关值。 其他相关性可以使用 SciPy 库提供的直接函数找到。
本篇文章仅关注 np.coefcorr() 函数及其实现。 使用 np.corrcoef() 函数在 Python 中实现关联
NumPy 库中的 np.corrcoef() 函数用于获取任意两个数组之间的皮尔逊相关系数矩阵前提是两个数组的形状相同。 该函数通常返回一个二维数组它描述了相关系数。
将 NumPy 库导入到 Python 代码中即可实现此功能不会出现任何错误。
示例代码
import numpy as np
anp.arange(20,30)
bnp.array([8,12,29,33,60,48,21,44,78,96])
xnp.corrcoef(a,b)
print(x)输出:
[[1. 0.82449488][0.82449488 1. ]]输出矩阵的主对角线的所有值始终为一。 在我们的例子中左上角元素的值为 1因为它返回 x 与 x 的相关系数右下元素返回 y 与 y 的相关系数。
给定输出矩阵中需要考虑的主要值是其他两个值。 对于我们的情况该值约为 0.82。 此外这两个元素始终具有相同的值。 使用 Matplotlib 库的 Correlation 来制作相关图
NumPy 库还可以与 Matplotlib 库一起使用使用户能够将相关图作为输出。 以下代码使用 Matplotlib 库的相关函数 corrcoef() 来制作相关图。
示例代码
import numpy as np
xnp.arange(20,30)
ynp.array([8,12,29,33,60,48,21,44,78,96])
print(np.corrcoef(x,y))
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline
matplotlib.style.use(ggplot)
plt.scatter(x, y)
plt.show()输出: 上图显示出正相关性因为该图似乎具有总体向上的轨迹。 对于给定数组中元素数量较多的情况这种类型的图表效果更好。
