如何用R語言和Python進行相關性分析

本篇文章給大家分享的是有關如何用R語言和Python進行相關性分析，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

由于最近畢業論文纏身，一直都沒有太多時間和精力撰寫長篇的干貨，但是呢學習的的腳步不能停止，今天跟大家盤點一下R語言與Python中到的相關性分析部分的常用函數。

常用的衡量隨機變量相關性的方法主要有三種：

• pearson相關系數；即皮爾遜相關系數，用于橫向兩個連續性隨機變量間的相關系數。

• spearman相關系數；即斯皮爾曼相關系數，用于衡量分類定序變量間的相關程度。

• kendall相關系數；即肯德爾相關系數，也是一種秩相關系數，不過它所計算的對象是分類變量。

R語言：

• cor

• cor.test

• corrplot

cor(x,y=NULL,use="everything",method= c("pearson","kendall","spearman"))

在R語言中，通常使用cor函數進行相關系數分析，可以分別指定向量，也可以指定給cor函數一個數據框。

• use函數指定處理缺失值的方式

• method是可選的三種相關系數計算方法。

這里以diamonds數據集為例：

library("ggplot2")

str(diamonds)

cor(diamonds[,c("carat","depth","price")])

cor(diamonds[,c("carat","depth","price")],method= "pearson")

默認情況下使用的是pearson相關系數。

corrplot函數可以針對相關系數輸出的結果進行可視化：

library("corrplot")

library("dplyr")

cor(diamonds[,c("carat","depth","price")])%>%corrplot()

使用cor.test函數進行相關性的檢驗：

cor.test(x, y,    #指定帶分析變量

alternative = c("two.sided", "less", "greater"),         

#雙側檢驗，單側檢驗(默認雙側)

method = c("pearson", "kendall", "spearman"), 

 #相關性算法（默認pearson法）

exact = NULL, conf.level = 0.95, continuity = FALSE, ...)

cor.test(diamonds$carat,diamonds$depth)

cor.test(~carat+depth,diamonds)

以上兩種寫法都是支持的。

從結果可以看到，兩者幾乎不相關，pearson相關系數僅有0.02左右。

Pyhton：

import pandas as pd

import numpy as np

diamonds=pd.read_csv('D:/R/File/diamonds.csv',sep = ',',encoding = 'utf-8')

diamonds.info()

pandas中帶有相關系數函數pandas.corr

mydata=diamonds[["carat","depth","table","price"]]

mydata.info()

mydata.corr()    

#可以直接給出數據框的相關系數矩陣

mydata.corr()["carat"]    

#給出caret變量與其他變量之間的相關系數

mydata["carat"].corr(mydata["depth"])    

#計算"carat"與"depth"之間的相關系數

與R語言中一樣，pandas中內置的相關系數算法也是針對針對數值型變量的pearson法。

mydata.corr(method='pearson')                             

mydata.corr(method='pearson')["carat"]                    

mydata["carat"].corr(method='pearson',mydata["depth"])    

method也可以指定spearman法和kendall法計算相關系數。

本文小結：

R語言：

• cor

• cor.test

• corplot

Python：

pandas.corr

以上就是如何用R語言和Python進行相關性分析，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。