python相关性分析函数_左手用R右手Python系列11——相关性分析

由于最近毕业论文缠身，一直都没有太多时间和精力撰写长篇的干货，但是呢学习的的脚步不能停止，今天跟大家盘点一下R语言与Python中到的相关性分析部分的常用函数。

常用的衡量随机变量相关性的方法主要有三种：

pearson相关系数；即皮尔逊相关系数，用于横向两个连续性随机变量间的相关系数。

spearman相关系数；即斯皮尔曼相关系数，用于衡量分类定序变量间的相关程度。

kendall相关系数；即肯德尔相关系数，也是一种秩相关系数，不过它所计算的对象是分类变量。

R语言：

cor

cor.test

corrplot

cor(x,y=NULL,use="everything",method= c("pearson","kendall","spearman"))

在R语言中，通常使用cor函数进行相关系数分析，可以分别指定向量，也可以指定给cor函数一个数据框。

use函数指定处理缺失值的方式

method是可选的三种相关系数计算方法。

这里以diamonds数据集为例：

library("ggplot2")

str(diamonds)

cor(diamonds[,c("carat","depth","price")])

cor(diamonds[,c("carat","depth","price")],me