pythonの相関係数を見つけます

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