左手用R右手Python系列11——相关性分析

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：

• pearson相关系数；即皮尔逊相关系数，用于横向两个连续性随机变量间的相关系数。
• spearman相关系数；即斯皮尔曼相关系数，用于衡量分类定序变量间的相关程度。
• kendall相关系数；即肯德尔相关系数，也是一种秩相关系数，不过它所计算的对象是分类变量。

R语言：

• cor
• cor.test
• corrplot

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。

• use函数指定处理缺失值的方式
• method是可选的三种相关系数计算方法。

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：

• cor
• cor.test
• corplot

Python：

pandas.corr