熊猫与统计显着性回归的相关性：（nan，1.0）

我想检查熊猫数据框中多个列之间相关性和相关性的显着性。熊猫与统计显着性回归的相关性：（nan，1.0）

用下面的数据帧，我已经构建了以下相关表：

 ARI  Flesch Kincaid  time VIX_close FEDFUNDS 
-2.090000  NaN -3.400000 2016-02-04 20.239333 0.345333  
16.060272 38.489788 14.355616 2016-02-04 20.239333 0.345333

当我运行金凯与使用下面的代码一切其他变量优秀作品出来：

stats.pearsonr(master.Kincaid,master.VIX_close)

但是，当我运行其他变量的类似代码：

stats.pearsonr(master.ARI,master.VIX_close)

我得到以下输出：

(nan, 1.0)

我明白，如果ARI的变化这个输出是可以理解的，但这种情况并非如此 - ARI很相似金凯...

红利问题：无论如何要在整个关联表中一次性运行重要性测试吗？提前致谢。

来源

2017-06-20 Graham Streich

咦？只有ARI和Kincaid在这里有任何变化，所以没有其他变化。我的意思是，你只显示2行数据，而且大多数数据具有相同的值，所以不确定你的期望。如果你有更多的数据，你应该显示它。如果您有1,000行，请不要显示1,000行，但可能需要5到10行数据。 – JohnE

数据确实有所不同，我只放了两行来显示我的数据帧的格式... –

大熊猫有一个内置的相关函数对整个数据帧

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.corr.html

也许只是运行master.corr（）

计算所有组合运行：

import itertools 
from scipy.stats import ttest_ind, pearsonr 
columns_combinations = [c for c in itertools.combinations(master.columns,2)] 
pearson_calc_df = pd.DataFrame([pearsonr(master[c[0]], master[c[1]]) for c in columns_combinations], 
           index=columns_combinations) 
ttest_calc_df = pd.DataFrame([ttest_ind(master[c[0]], master[c[1]]) for c in columns_combinations], 
           index=columns_combinations)

虽然方差为零，但您仍然可以获得相关的NaN。

来源

2017-06-20 19:43:08 Totoro

谢谢，那是我用来制作关联表的方法，但是有没有办法测试重要性呢？ –

@GrahamStreich请参阅https://stackoverflow.com/questions/25571882/pandas-columns-correlation-with-statistical-significance – oztalha

熊猫与统计显着性回归的相关性：（nan，1.0）

回答

相关问题