Python数据分析库 Scipy安装及使用

第一部分：安装库

（1）安装openpyxl

conda install scipy

（2）验证是否安装成功

python -c "import scipy; print(scipy.__version__)"

（3）卸载scipy

conda remove scipy

第二部分：使用scipy

（1）计算商品和品类之间的关联一致性Kendall检验

含义：

• Kendall's Tau (τ):

  • 范围: τ 的值在 -1 到 1 之间。
    • τ = 1 表示完全正相关（所有值对的顺序一致）。
    • τ = -1 表示完全负相关（所有值对的顺序完全相反）。
    • τ = 0 表示没有相关性。
  •  tau 值反映了变量 X 和 Y 之间的等级相关性强度。

• P-value:

  • p-value 用来检验相关系数是否显著。具体来说，它表示在原假设为真（即两者无相关性，τ = 0）的情况下，观测到这种或更极端结果的概率。
    • 如果 p-value 小于某个显著性水平（通常为 0.05），则可以拒绝原假设，认为两者之间存在统计显著的相关性。
    • 如果 p-value 大于 0.05，则无法拒绝原假设，说明没有足够的证据认为 X 和 Y 之间有相关性。

代码：

from scipy.stats import kendalltau

# 假设有两个变量 X 和 Y
X = [12, 2, 1, 12, 2]
Y = [1, 4, 7, 1, 0]

# 计算 Kendall's Tau 系数
tau, p_value = kendalltau(X, Y)

print(f"Kendall's Tau: {tau}")
print(f"P-value: {p_value}")

结果：

P值大于0.05，因此X和Y之间有关系；

Kendall's Tau的值为-0.4714045207910316，因此代表中等负相关。

持续学习，继续更新哦！