由于最近毕业论文缠身,一直都没有太多时间和精力撰写长篇的干货,但是呢学习的的脚步不能停止,今天跟大家盘点一下R语言与Python中到的相关性分析部分的常用函数。
常用的衡量随机变量相关性的方法主要有三种:
R语言:
cor(x,y=NULL,use="everything",method= c("pearson","kendall","spearman"))
在R语言中,通常使用cor函数进行相关系数分析,可以分别指定向量,也可以指定给cor函数一个数据框。
这里以diamonds数据集为例:
library("ggplot2") str(diamonds)
cor(diamonds[,c("carat","depth","price")]) cor(diamonds[,c("carat","depth","price")],method= "pearson")
默认情况下使用的是pearson相关系数。
corrplot函数可以针对相关系数输出的结果进行可视化:
library("corrplot") library("dplyr") cor(diamonds[,c("carat","depth","price")])%>%corrplot()
使用cor.test函数进行相关性的检验:
cor.test(x, y, #指定带分析变量 alternative = c("two.sided", "less", "greater"), #双侧检验,单侧检验(默认双侧) method = c("pearson", "kendall", "spearman"), #相关性算法(默认pearson法) exact = NULL, conf.level = 0.95, continuity = FALSE, ...) cor.test(diamonds$carat,diamonds$depth) cor.test(~carat+depth,diamonds)
以上两种写法都是支持的。
从结果可以看到,两者几乎不相关,pearson相关系数仅有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中带有相关系数函数pandas.corr
mydata=diamonds[["carat","depth","table","price"]] mydata.info()
mydata.corr() #可以直接给出数据框的相关系数矩阵 mydata.corr()["carat"] #给出caret变量与其他变量之间的相关系数 mydata["carat"].corr(mydata["depth"]) #计算"carat"与"depth"之间的相关系数
与R语言中一样,pandas中内置的相关系数算法也是针对针对数值型变量的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法计算相关系数。
本文小结:
R语言:
Python:
pandas.corr