python相关系数显著性检验_Python+pandas计算数据相关系数的实例

本文主要演示pandas中DataFrame对象corr()方法的用法，该方法用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。

>>> import numpy as np

>>> import pandas as pd

>>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10),

'B':np.random.randint(1, 100, 10),

'C':np.random.randint(1, 100, 10)})

>>> df

A B C

0 5 91 3

1 90 15 66

2 93 27 3

3 70 44 66

4 27 14 10

5 35 46 20

6 33 14 69

7 12 41 15

8 28 62 47

9 15 92 77

>>> df.corr() # pearson相关系数

A B C

A 1.000000 -0.560009 0.162105

B -0.560009 1.000000 0.014687

C 0.162105 0.014687 1.000000

>>> df.corr('kendall') # Kendall Tau相关系数

A B C

A 1.000000 -0.314627 0.113666

B -0.314627 1.000000 0.045980

C 0.113666 0.045980 1.000000

>>> df.corr('spearman') # spearman秩相关

A B C

A 1.000000 -0.419455 0.128051

B -0.419455 1.000000 0.067279

C 0.128051 0.067279 1.000000

以上这篇Python+pandas计算数据相关系数的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。