データ配列の2つのセット、線形の相関係数。
1:使用numpyの
ランダムインポート インポートnumpyのNP AS [範囲T内ためrandom.randint(0、10)、(20)] A = [範囲T内ためrandom.randint(0、10)、(20)] B = マトリックス構築する# ABをnp.array =([A、B]) #共分散行列 プリント(np.cov(AB&)) プリント(np.corrcoef(AB&))
2:使用パンダ
PDは、ASインポートパンダ 共分散を使用して、#パンダ、相関係数 データフレームをデータ構造として使用される位、計算を容易に、我々はAB行列転置 dfab = pd.DataFrame(ab.T、列= [ 'A'、「B 「]) #AB共分散 プリント(dfab.A.cov(dfab.B)) #AB相関係数 プリント(dfab.A.corr(dfab.B))
3:使用ネイティブ関数
ランダムインポート インポート数学 A = [random.randint(0、10)範囲T内用(20)] B = [random.randint(0、10)範囲T内用(20)] #は、平均値算出 DEF平均値(Xは): リターンSUM(X)/ LEN(X) #を算出する差分データの各々の平均 DEF de_mean(X): x_bar =平均(X) リターン- [X_I X_IにおけるXためx_bar] #補助ドット積関数、sum_of_squares DEF DOT(V、W): (ZIP(V、W)でV_IためV_I * W_i、W_i)リターンSUM :DEFのsum_of_squares(V) リターンDOT(V、V) #分散 DEF分散(X): N- LEN =(X) 偏差= de_mean(X) リターンsum_of_squares(偏差)/(N - 1) #標準偏差 #共分散 デフstandard_deviation(X): 戻りmath.sqrt(分散(X)) DEF共分散(X、Y): N = LEN(x)を リターンドット(de_mean(X)、de_mean(Y))/(N-1) #相关系数 DEF相関(X、Y): stdev_x = standard_deviation(X) stdev_y = standard_deviation(Y) stdev_x> 0とstdev_y> 0の場合: リターンの共分散(X、Y)/ stdev_x / stdev_y 他: 戻り0 プリント() プリント(b)は、 プリント(standard_deviation()) プリント(standard_deviation(B )) プリント(相関(b)参照)
4:R、SPSS、エクセル