Python中的Spearman等级相关关系

我想使用python和最有可能的scipys实现（scipy.stats.spearmanr）来计算spearman rank correlation。Python中的Spearman等级相关关系

手头的数据看起来如下列方式（字典）：

{a:0.3, b:0.2, c:0.2} and {a:0.5, b:0.6, c:0.4}

要立即将它传递给斯皮尔曼模块，我会为它们分配的行列，如果我是正确的（降序）：

[1,2,3] and [2,3,1]

所以现在我要考虑的关系，所以我现在使用的第一载体：

[1,2,2] or [1,2.5,2.5]

乙这个概念是否正确，以及如何处理这种基于字典的数据的关系。

至于建议由@Jaime的spearmanr功能与价值的作品，但为什么这种行为可能：

In [5]: spearmanr([0,1,2,3],[1,3,2,0]) 
Out[5]: (-0.39999999999999997, 0.59999999999999998) 

In [6]: spearmanr([10,7,6,5],[0.9,0.5,0.6,1.0]) 
Out[6]: (-0.39999999999999997, 0.59999999999999998)

谢谢！

来源

2013-02-11 fsociety

您应该包括一个简要的解释和什么“Spearman等级相关”是一个链接。此外，[你有什么尝试？]（http://www.whathaveyoutried.com） – 2013-02-11 15:38:37

scipy.stats.spearmanr将计算的行列，你的关心，你只要给它正确的顺序中的数据：

>>> scipy.stats.spearmanr([0.3, 0.2, 0.2], [0.5, 0.6, 0.4]) 
(0.0, 1.0)

如果你有排序的数据，你可以调用它的scipy.stats.pearsonr得到相同的结果。正如下面的例子所显示的，你尝试过的任何一种方式都可以，但我认为[1, 2.5, 2.5]更常见。此外，SciPy的使用从零开始的索引，所以在内部使用会更喜欢[0, 1.5, 1.5]行列：

>>> scipy.stats.pearsonr([1, 2, 2], [2, 1, 3]) 
(0.0, 1.0) 
>>> scipy.stats.pearsonr([1, 2.5, 2.5], [2, 1, 3]) 
(0.0, 1.0)

来源

2013-02-11 19:07:05 Jaime

谢谢，不知道它也与简单的值工作。不过，我很好奇它是如何在内部工作的。该方法如何知道，如果我通过队伍这些是没有价值的？因为，如果我现在不完全困惑，排名看起来会不一样。 – fsociety 2013-02-11 19:53:24

@ph_singer它们是不同的功能。 'spearmanr'会将你给它的任何东西变成行列，然后计算一个皮尔逊相关系数。另一方面，pearsonr直接计算Pearson相关系数。 – Jaime 2013-02-11 21:29:55

我在原始问题中添加了一个示例，因为我无法在此评论中发布它。请看看它。谢谢！ – fsociety 2013-02-11 22:01:33

Python中的Spearman等级相关关系

回答

相关问题