Scipy Stats Pearsonr

Ten artykuł dotyczy Scipy.statystyki.Pearsonr Funkcja stosowana w Pythonie. Scipy jest jak skrzynka skarbowa w Python, gdzie można łatwo znaleźć każdą funkcję do rozwiązywania problemów. Scipy to lekki pakiet Pythona. SCIPY oznacza naukowy Python, który jest pełen ważnych narzędzi do optymalizacji, przetwarzania obrazu, przetwarzania sygnału, obliczeń statystycznych itp. Poniżej omówimy Scipy.statystyki.Pearsonr z pomocą różnych przykładów w celu lepszego zrozumienia.

Co to jest Scipy Stats Pearsonr w języku Python?

Scipy.statystyki to pakiet bibliotek scipy używanych do statystycznego rozwiązywania problemów w aplikacjach Python. Scipy.statystyki zawiera kilka funkcji, z których jedna to Pearsonr, który służy do obliczenia liniowej zależności korelacji między dwoma tablicami liczb. Wartość zwracana Pearsonr współczynnik jest w zakresie [-1,1]. Wartość 0 nie jest skorelowana, a wartości bliższe -1 lub 1 wykazują ujemną i dodatnią korelację tablic.

Składnia statystyk Scipy Pearsonr

Składnia Scipy.statystyki.Funkcja Pearsonr podano poniżej:

Scipy.statystyki.Pearsonr (x, y, [alternative = „dwustronny”])

Wyjaśnijmy parametry funkcji. X i y są wejściami podobnymi do tablicy, które należy zmierzyć w celu korelacji. Trzeci opcjonalny parametr domyślnie „dwustronny”, ale może również mieć tę listę możliwych wartości: [„dwustronny”, „większy”, „mniej”].

Wartość zwracana zawiera dwie liczby punktów pływających, pierwsza wartość zwracana „statystyka” wskazuje ujemną, dodatnią korelację z liczbą od -1 do 1, przy czym 0 oznacza brak korelacji. Drugi punkt zmiennoprzecinkowy reprezentuje wartość p Do tych obliczeń.

Poniżej są kilka przykładów Pearsonr Aby zademonstrować jego działanie:

Przykład 1

Pierwszy przykład Scipy.statystyki.Pearsonr jest bardzo łatwe i proste. Jak wiemy, Scipy.statystyki.Pearsonr jest używany do znalezienia liniowej zależności między dwoma różnymi zestawami danych.

Import Scipy.statystyki
z statystyk importu Scipy
od Scipy.Statystyki importu Pearsonr
importować Numpy jako NP
y = [1,3,5,7,9,11]
g = [10,15,20,25,30,35]
wynik = scipy.statystyki.Pearsonr (Y, G)
druk („wyjście to:”, wynik)

Najpierw zaimportowaliśmy bibliotekę Scipy z statystyki.Pearsonr Funkcja, wraz z biblioteką Numpy do obsługi tablicy. Zainicjowaliśmy dwie tablice lub zestawów danych, na których zaimplementowaliśmy funkcję. W następnym wierszu wywołujemy funkcję Scipy.statystyki.Pearsonr i przekazuj tablice do funkcji, która zwraca wartości do zmiennej o nazwie „wynik”. W końcu przekazujemy zmienną „Wynik” w instrukcji drukowania. Po uruchomieniu programu w środowisku Python na ekranie konsoli pojawi się następujące dane wyjściowe:

Linuxhint@U22: ~ $ Python Ex1.py
Wyjście to: PearsonRresult (statystyka = 0.9999999999999999, PVALUE = 1.8488927466117464e-32)
Linuxhint@u22: ~ $

To wyjście pokazuje liniową zależność między dwiema tablicami, Y i G. Ta funkcja zwraca dwie wartości w float; Pierwszy to wartość statystyczna równa 0.99999999, a drugi to Palera równa 1.84889… E-32

Przykład 2

Wcześniej widzieliśmy prosty przykład funkcji Pearsona. Tutaj omówimy, jak znaleźć współczynnik R Pearsona w Pythonie. Przejrzyj następujący kod referencyjny, aby uzyskać więcej wyjaśnień:

Import Scipy.statystyki
z statystyk importu Scipy
od Scipy.Statystyki importu Pearsonr
importować Numpy jako NP
arra = np.tablica ([1,1,6,6,0,0])
arrb = np.tablica ([0,1,2,5,4,0])
find_coeftitut = scipy.statystyki.Pearsonr (ARRA, ARRB)
Drukuj („współczynnik to:”, Find_Coefficit)

W tym przykładzie zaimportowaliśmy moduł statystyk z biblioteki Scipy, a wraz z nią funkcja Pearsonr. Zaimportowaliśmy bibliotekę Numpy do programu z powodu zaangażowanej tablicy. W poniższym wierszu utworzyliśmy dwie tablice Numpy jako część zestawu danych o nazwie „arra” i „arrb”. Po tym zadzwoniliśmy pikantny.statystyki.Pearsonr funkcja, która przyjmuje tablice Numpy jako argumenty i zwraca wartość, która jest współczynnikiem dwóch zestawów danych. Ten współczynnik jest przechowywany w zmiennej „Find_Coefficit”.

Na koniec pokazujemy wyjście na konsoli za pomocą instrukcji drukowania. Pamiętaj, że jeśli wartość współczynnika jest w przybliżeniu równa -1, oznacza to, że współczynnik jest wysoce ujemny. Jeśli wartość jest w przybliżeniu równa 1, wówczas współczynnik jest wysoce dodatni. Wyjście programu znajduje się poniżej:

Linuxhint@U22: ~ $ Python Ex2.py
Współczynnik to: Pearsonrresult (statystyka = 0.4974273993210546, PVALUE = 0.3153991309564151)
Linuxhint@u22: ~ $

Tutaj widzimy, że wartości PearsonrResult zarówno są pozytywne, jak i pływające. Oznacza to, że współczynnik tych dwóch zestawów danych jest wysoce pozytywny.

Przykład 3

Teraz bierzemy kolejny przykład związany z Scipy.statystyki.Pearsonr funkcja, w której omówimy znalezienie współczynnika dwóch różnych zestawów danych w indeksie 0. Kod referencyjny tego programu jest wspomniany poniżej:

Import Scipy.statystyki
z statystyk importu Scipy
od Scipy.Statystyki importu Pearsonr
importować Numpy jako NP
k = np.tablica ([12,18,16,26,10,21])
M = NP.tablica ([9,2,7,4,9,0])
Q = Scipy.statystyki.Pearsonr (K, M) [0]
Drukuj („Wartość statystyki to:”, Q)

Tak jak poprzednio, z powodzeniem zaimportowaliśmy wszystkie powiązane biblioteki, takie jak Scipy, Numpy i ich statystyki.Funkcja PearSonr w programie, ponieważ nie możemy używać funkcji Pearsona bez tych bibliotek. Wzięliśmy dwa zestawy danych o różnych wartościach i nazwaliśmy je biblioteką Numpy. Uwzględniliśmy również „[0]” w funkcji, aby znaleźć współczynnik w indeksie 0. Zwracana wartość funkcji jest przechowywana w zmiennej „Q”. Teraz chcemy wyświetlić wyjście na ekranie konsoli, więc wyświetlamy wyjście na ekranie za pomocą instrukcji drukowania. Po pomyślnym uruchomieniu programu znaleźliśmy wynik na ekranie konsoli. Poniżej znajduje się wyjście programu w aplikacji Python:

Linuxhint@U22: ~ $ Python Ex3.py
Wartość statystyczna to: -0.7426139036107966
Linuxhint@u22: ~ $

Ponieważ dane wyjściowe jest ujemne, oznacza to, że współczynnik na indeksie [0] jest wyjątkowo ujemny. Wysoce ujemna wartość współczynnika oznacza, że ​​jeśli wartość w jednym zbiorze danych zostanie zwiększona, zmniejszy wartości innych zestawów danych.

Wniosek

Szybko podsumujmy ten artykuł, Scipy to biblioteka, a Stats to pakiet tej biblioteki z funkcją Pearsonr używaną do znalezienia liniowej relacji między dwoma różnymi zestawami danych. Python jest bardzo rozwijającym się językiem, który pomoże ci w każdej dziedzinie pracy. W tym artykule szczegółowo omówiliśmy funkcję PearsonR za pomocą poprzednich przykładów. Funkcja Pearsonr jest używana w Pythonie do znalezienia. Mam nadzieję, że te przykłady pomogły Ci dowiedzieć się o Scipy.statystyki.Pearsonr funkcja, a także możesz wdrożyć modyfikacje tych przykładów w środowisku Python.