python 计算相关性系数np.corrcoef(）

最新推荐文章于 2024-08-15 00:30:00 发布

糯米君_

最新推荐文章于 2024-08-15 00:30:00 发布

阅读量3.5k

点赞数 1

分类专栏：预处理文章标签：机器学习 python numpy

本文链接：https://blog.csdn.net/fgg1234567890/article/details/130209549

版权

预处理专栏收录该内容

17 篇文章

订阅专栏

文章讲述了计算连续型与连续型双变量相关性的方法，强调了相关性系数在量化变量间关系中的作用。通过使用numpy和pandas库展示了一个例子，计算了两个数组X和Y的相关性系数，结果显示为0.64897259，表明它们之间存在中等到强的相关性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算相关性是分析连续型与连续型双变量的常用方法，散点图只能直观的显示双变量（特征）之间的关系，但并不能说明关系的强弱，而相关性可以对变量之间的关系进行量化分析。

相关性系数的公式如下：
在这里插入图片描述
相关性系数的取值区间为[-1,1]。当相关性系数为-1时，表示强负线性相关；当相关性系数为1时，表示强正相关；当相关性系数为0时，表示不相关。
一般来说，在取绝对值后，0-0.09为没有相关性，0.1-0.3为弱相关，0.3-0.5为中相关，0.5-0.1为强相关。

# 修改pandas默认的现实设置
import numpy as np
import pandas as pd
pd.set_option('display.max_columns', 10)
pd.set_option('display.max_rows', 20)

# 相关性系数
# 一般来说，在取绝对值后，0~0.09为没有相关性，0.1~0.3为弱相关，
# 0.3~0.5为中等相关，0.5~1.0为强相关.
X = np.array([65, 72, 78, 65, 72, 70, 65, 68])
Y = np.array([72, 69, 79, 69, 84, 75, 60, 73])
print(np.corrcoef(X, Y))

运行结果：

[[1.         0.64897259]
 [0.64897259 1.        ]]