柚子快報(bào)激活碼778899分享：NumPy 相關(guān)函數(shù)

http://yzkb.51969.com/

本篇文章介紹了Python中NumPy庫(kù)的相關(guān)函數(shù) np.corrcoef() 函數(shù)。

NumPy 中的相關(guān)性

相關(guān)系數(shù)是一個(gè)數(shù)字值，表示數(shù)據(jù)集給定特征之間的關(guān)系。

相關(guān)性可以是正相關(guān)，這意味著它們具有直接關(guān)系，并且一個(gè)特征的增加會(huì)導(dǎo)致另一個(gè)特征的增加。 負(fù)相關(guān)也是可能的，這表明這兩個(gè)特征彼此呈反比關(guān)系，這意味著一個(gè)特征的上升將導(dǎo)致另一個(gè)特征的下降。

以下是一些不同的相關(guān)性。

皮爾遜相關(guān)系數(shù)肯德?tīng)栂嚓P(guān)系數(shù)斯皮爾曼相關(guān)系數(shù)

然而，NumPy 庫(kù)函數(shù) np.corrcoef() 僅關(guān)注并計(jì)算 Pearson 相關(guān)值。 其他相關(guān)性可以使用 SciPy 庫(kù)提供的直接函數(shù)找到。

本篇文章僅關(guān)注 np.coefcorr() 函數(shù)及其實(shí)現(xiàn)。

使用 np.corrcoef() 函數(shù)在 Python 中實(shí)現(xiàn)關(guān)聯(lián)

NumPy 庫(kù)中的 np.corrcoef() 函數(shù)用于獲取任意兩個(gè)數(shù)組之間的皮爾遜相關(guān)系數(shù)矩陣，前提是兩個(gè)數(shù)組的形狀相同。 該函數(shù)通常返回一個(gè)二維數(shù)組，它描述了相關(guān)系數(shù)。

將 NumPy 庫(kù)導(dǎo)入到 Python 代碼中即可實(shí)現(xiàn)此功能，不會(huì)出現(xiàn)任何錯(cuò)誤。

示例代碼：

import numpy as np

a=np.arange(20,30)

b=np.array([8,12,29,33,60,48,21,44,78,96])

x=np.corrcoef(a,b)

print(x)

輸出:

[[1. 0.82449488]

[0.82449488 1. ]]

輸出矩陣的主對(duì)角線的所有值始終為一。 在我們的例子中，左上角元素的值為 1，因?yàn)樗祷?x 與 x 的相關(guān)系數(shù)，右下元素返回 y 與 y 的相關(guān)系數(shù)。

給定輸出矩陣中需要考慮的主要值是其他兩個(gè)值。 對(duì)于我們的情況，該值約為 0.82。 此外，這兩個(gè)元素始終具有相同的值。

使用 Matplotlib 庫(kù)的 Correlation 來(lái)制作相關(guān)圖

NumPy 庫(kù)還可以與 Matplotlib 庫(kù)一起使用，使用戶能夠?qū)⑾嚓P(guān)圖作為輸出。 以下代碼使用 Matplotlib 庫(kù)的相關(guān)函數(shù) corrcoef() 來(lái)制作相關(guān)圖。

示例代碼：

import numpy as np

x=np.arange(20,30)

y=np.array([8,12,29,33,60,48,21,44,78,96])

print(np.corrcoef(x,y))

import matplotlib

import matplotlib.pyplot as plt

%matplotlib inline

matplotlib.style.use('ggplot')

plt.scatter(x, y)

plt.show()

輸出:

上圖顯示出正相關(guān)性，因?yàn)樵搱D似乎具有總體向上的軌跡。 對(duì)于給定數(shù)組中元素?cái)?shù)量較多的情況，這種類型的圖表效果更好。

柚子快報(bào)激活碼778899分享：NumPy 相關(guān)函數(shù)

http://yzkb.51969.com/

相關(guān)鏈接