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