Kendall's tau是一个数据统计中常用的一个系数,用来表示两个序列相关系数,即相似性。
该系数的定义如下,两个序列中相对位置(偏序)相同的项目对在所有项目对中所占的比例。可以很容易的知道,总的项目对的个数就是n*(n-1)/2。举个例子说明分母的计算方式,首先两个序列长度要相等,例如序列1是[a,b,c,d],那么其项目对是(a,b)(a,c)(a,d)(b,c)(b,d)(c,d)这六个,有序列2是[d,c,b,a],也有如上六个项目对,但是按照偏序排列的话,则是(d,c)(d,b)(d,a)(c,b)(c,a)(b,a)。可以看到两个偏序是没有共同的项目对的,也就是说两个列表的所有项目对没有相对位置关系相同的项对,则分子是0,那么对应的Kendall's tau的值也是0.
计算的代码如下:
# coding=gb2312
#author: Chao Deng
#Date: 2012-4-20
def cal_kendall_tau(list_1 , list_2):
length = len(list_1)
if length != len(list_2):
return -1
set_1 = set()
set_2 = set()
for i in range(length):
for j in range(i+1,length):
set_1.add( (list_1[i],list_1[j]) )
set_2.add( (list_2[i],list_2[j]) )
count = len(set_1 & set_2)
return float(count)*2 / ((length-1)*length)
if __name__ == '__main__':
list_1 = ['a','b','c','d']
list_2 = ['c','b','a','d']
list_3 = list_1[:]
list_3.reverse()
print 'sim of 1&2 : %s' % cal_kendall_tau(list_1,list_2)
print 'sim of 1&3 : %s' % cal_kendall_tau(list_1,list_3)