Scipy Stats Pearsonr

Cet article concerne le Cavalier.Statistiques.Pearsonr Fonction utilisée dans Python. Scipy est comme une boîte au trésor à Python, où vous pouvez facilement trouver toutes les fonctions pour résoudre des problèmes. Scipy est un package léger de Python. Scipy signifie Scientific Python, qui regorge d'utilitaires importants d'optimisation, de traitement d'image, de traitement du signal, de calculs statistiques, etc. Ci-dessous, nous discuterons cavalier.Statistiques.Pearsonr avec l'aide de différents exemples pour une meilleure compréhension.

Qu'est-ce que Scipy Stats Pearsonr en langue python?

Cavalier.Statistiques est un package des bibliothèques SCIPY utilisées pour la résolution de problèmes statistiques dans les applications Python. Cavalier.Statistiques contient plusieurs fonctions, dont l'une est Pearsonr, qui est utilisé pour calculer la relation de corrélation linéaire entre deux tableaux de nombres. La valeur de retour du Pearsonr Le coefficient est dans la plage de [-1,1]. Une valeur de 0 n'est pas corrélée et les valeurs plus proches de -1 ou 1 montrent une corrélation négative et positive des tableaux.

Syntaxe de Scipy Stats Pearsonr

La syntaxe du scipy.Statistiques.La fonction Pearsonr est donnée ci-dessous:

cavalier.Statistiques.Pearsonr (x, y, [alternative = 'bilatéral']))

Expliquons les paramètres de la fonction. X et y sont des entrées de type réseau à mesurer pour la corrélation. Le troisième paramètre facultatif par défaut est «bilatéral», mais peut également avoir cette liste de valeurs possibles: [«bilatérales», «plus grande», «moins»].

La valeur de retour contient deux nombres de points flottants, la première valeur de retour «statistique» indique la corrélation négative et positive avec un nombre de -1 à 1, avec 0 signifiant aucune corrélation. Le deuxième point flottant de retour représente le valeur p Pour ce calcul.

Voici quelques exemples de Pearsonr Pour démontrer son fonctionnement:

Exemple 1

Le premier exemple de cavalier.Statistiques.Pearsonr est très facile et simple. Comme nous le savons, cavalier.Statistiques.Pearsonr est utilisé pour trouver la relation linéaire entre deux ensembles de données différents.

importer scipy.Statistiques
à partir des statistiques d'importation Scipy
de Scipy.Les statistiques importent Pearsonr
Importer Numpy comme NP
y = [1,3,5,7,9,11]
G = [10,15,20,25,30,35]
résultat = scipy.Statistiques.Pearsonr (Y, G)
imprimer ('la sortie est:', résultat)

Tout d'abord, nous avons importé la bibliothèque Scipy avec le Statistiques.Pearsonr fonction, avec la bibliothèque Numpy pour la manipulation du tableau. Nous avons initialisé deux tableaux ou ensembles de données sur lesquels nous avons implémenté la fonction. Dans la ligne suivante, nous appelons la fonction cavalier.Statistiques.Pearsonr et passer les tableaux à la fonction, qui renvoie les valeurs à une variable appelée «résultat». Enfin, nous passons la variable «Résultat» dans une déclaration d'impression. Après avoir exécuté le programme dans l'environnement Python, la sortie suivante apparaîtra sur l'écran de la console:

linuxhint @ u22: ~ $ python ex1.py
La sortie est: Pearsonrresult (statistique = 0.9999999999999999, pvalue = 1.8488927466117464E-32)
linuxhint @ u22: ~ $

Cette sortie montre la relation linéaire entre deux tableaux, y et g. Cette fonction renvoie deux valeurs dans le flotteur; Le premier est une valeur statistique égale à 0.99999999, et le second est une PValue égale à 1.84889… E-32

Exemple 2

Auparavant, nous avons vu un exemple simple de la fonction Pearson. Ici, nous discuterons de la façon de trouver le coefficient R de Pearson à Python. Veuillez passer par le code de référence suivant pour plus de clarification:

importer scipy.Statistiques
à partir des statistiques d'importation Scipy
de Scipy.Les statistiques importent Pearsonr
Importer Numpy comme NP
Arra = np.Array ([1,1,6,6,0,0))
arrb = np.Array ([0,1,2,5,4,0])
find_coefficient = scipy.Statistiques.Pearsonr (Arra, Arrb)
print ('Le coefficient est:', find_coefficient)

Dans cet exemple, nous avons importé le module statistiques de la bibliothèque Scipy et, avec lui, la fonction Pearsonr. Nous avons importé la bibliothèque Numpy dans le programme en raison du tableau impliqué. Dans la ligne suivante, nous avons créé deux tableaux Numpy dans le cadre d'un ensemble de données appelé «Arra» et «Arrb». Après cela, nous avons appelé le épicé.Statistiques.Pearsonr Fonction, qui prend des tableaux Numpy comme arguments et renvoie la valeur qui est le coefficient de deux ensembles de données. Ce coefficient est stocké dans la variable «find_coefficient».

Enfin, nous montrons la sortie sur la console en utilisant une déclaration d'impression. N'oubliez pas que si la valeur du coefficient est approximativement égale à -1, cela signifie que le coefficient est très négatif. Si la valeur est approximativement égale à 1, alors le coefficient est très positif. La sortie du programme est fournie ci-dessous:

linuxhint @ u22: ~ $ python ex2.py
Le coefficient est: Pearsonrresult (statistique = 0.4974273993210546, pvalue = 0.3153991309564151)
linuxhint @ u22: ~ $

Ici, nous voyons que les valeurs de Pearsonrresult sont à la fois des nombres positifs et flottants. Cela signifie que le coefficient de ces deux ensembles de données est très positif.

Exemple 3

Maintenant, nous prenons un autre exemple lié au cavalier.Statistiques.Pearsonr fonction, dans laquelle nous discuterons de la recherche du coefficient de deux ensembles de données différents à l'index 0. Le code de référence de ce programme est mentionné ci-dessous:

importer scipy.Statistiques
à partir des statistiques d'importation Scipy
de Scipy.Les statistiques importent Pearsonr
Importer Numpy comme NP
k = np.Array ([12,18,16,26,10,21])
M = np.Array ([9,2,7,4,9,0))
q = scipy.Statistiques.Pearsonr (K, M) [0]
Imprimer ('La valeur des statistiques est:', Q)

Comme précédemment, nous avons réussi à importer toutes les bibliothèques connexes comme Scipy, Numpy et leurs statistiques.La fonction de Pearsonr dans le programme parce que nous ne pouvons pas utiliser la fonction Pearson sans ces bibliothèques. Nous avons pris deux ensembles de données de valeurs différentes et les avons appelés la bibliothèque Numpy. Nous avons également inclus '[0]' dans la fonction pour trouver le coefficient à l'index 0. La valeur de fonction renvoyée est stockée dans la variable 'q'. Maintenant, nous voulons afficher la sortie sur l'écran de la console, nous affichons donc la sortie sur l'écran à l'aide de l'instruction IMPRESS. Après avoir exécuté le programme avec succès, nous avons trouvé le résultat sur l'écran de la console. Ce qui suit est la sortie du programme dans une application Python:

linuxhint @ u22: ~ $ python ex3.py
La valeur des statistiques est: -0.7426139036107966
linuxhint @ u22: ~ $

Parce que la sortie est négative, cela indique que le coefficient à l'index [0] est extrêmement négatif. La valeur hautement négative du coefficient signifie que si la valeur dans un ensemble de données augmente, elle diminuera les valeurs d'autres ensembles de données.

Conclusion

Recaptons rapidement cet article, Scipy est la bibliothèque, et Stats est un package de cette bibliothèque avec la fonction que Pearsonr a utilisée pour trouver la relation linéaire entre deux ensembles de données différents. Python est une langue très émergente qui vous aidera dans tous les domaines de travail. Dans cet article, nous avons discuté en détail de la fonction Pearsonr à l'aide des exemples précédents. La fonction Pearsonr est utilisée à Python pour trouver. J'espère que ces exemples vous ont aidé à découvrir le cavalier.Statistiques.Pearsonr fonction, et vous pouvez également implémenter des modifications de ces exemples dans votre environnement Python.