Scipy Statistics Pearsonr

In diesem Artikel geht es um die Scipy.Statistiken.Pearsonr Funktion in Python verwendet. Scipy ist wie eine Schatzkiste in Python, in der Sie leicht jede Funktion zur Lösung von Problemen finden können. Scipy ist ein leichtes Python -Paket. Scipy steht für Scientific Python, das voller wichtiger Versorgungsunternehmen für Optimierung, Bildverarbeitung, Signalverarbeitung, statistische Berechnungen usw. ist. Im Folgenden werden wir diskutieren Scipy.Statistiken.Pearsonr Mit Hilfe verschiedener Beispiele für ein besseres Verständnis.

Was ist Scipy -Statistiken Pearsonr in der Python -Sprache?

Scipy.Statistiken ist ein Paket der Scipy-Bibliotheken, die für die statistische Problemlösung in Python-Anwendungen verwendet werden. Scipy.Statistiken enthält mehrere Funktionen, von denen eines ist Pearsonr, Dies wird verwendet, um die lineare Korrelationsbeziehung zwischen zwei Arrays von Zahlen zu berechnen. Der Rückgabewert der Pearsonr Der Koeffizient liegt im Bereich von [-1,1]. Ein Wert von 0 ist nicht korreliert und schätzt näher an -1 oder 1 negative und positive Korrelation der Arrays.

Syntax von Scipy -Statistiken Pearsonr

Die Syntax der Skipie.Statistiken.Die Pearsonr -Funktion ist unten angegeben:

Scipy.Statistiken.Pearsonr (x, y, [alternative = 'zweiseitig'])

Erklären wir die Parameter der Funktion. X und y sind Array-ähnliche Eingänge, die für die Korrelation gemessen werden sollen. Der dritte optionale Parameter standardmäßig "zweiseitig", kann aber auch diese Liste möglicher Werte haben: ["zweiseitig", "größer", "weniger"].

Der Rückgabewert enthält zwei schwimmende Punktzahlen, der erste Rückgabewert "Statistik" zeigt die negative, positive Korrelation mit einer Zahl von -1 bis 1 an, wobei 0 keine Korrelation bedeutet. Der zweite Rückgang des schwimmenden Punktes repräsentiert die p-Wert für diese Berechnung.

Im Folgenden finden Sie einige Beispiele von Pearsonr Um ihre Funktionen zu demonstrieren:

Beispiel 1

Das erste Beispiel von Scipy.Statistiken.Pearsonr ist sehr einfach und einfach. Wie wir wissen, Scipy.Statistiken.Pearsonr wird verwendet, um die lineare Beziehung zwischen zwei verschiedenen Datensätzen zu finden.

Skipie importieren.Statistiken
aus Scipy -Importstatistiken
von Scipy.Statistiken importieren Pearsonr
Numph als NP importieren
y = [1,3,5,7,9,11]
g = [10,15,20,25,30,35]
Ergebnis = scipy.Statistiken.Pearsonr (y, g)
print ('Ausgabe ist:', Ergebnis)

Zuerst haben wir die Scipy -Bibliothek mit dem importiert Statistiken.Pearsonr Funktion zusammen mit der Numpy -Bibliothek für Array -Handhabung. Wir haben zwei Arrays oder Datensätze initialisiert, auf denen wir die Funktion implementiert haben. In der nächsten Zeile nennen wir die Funktion Scipy.Statistiken.Pearsonr und übergeben Arrays an die Funktion, die Werte in eine Variable namens "Ergebnis" zurückgibt. Endlich bestehen wir die "Ergebnis" -Variable in einer Druckanweisung. Nach dem Ausführen des Programms in der Python -Umgebung wird die folgende Ausgabe auf dem Konsolenbildschirm angezeigt:

LinuxHint@U22: ~ $ Python ex1.py
Ausgabe ist: Pearsonrresult (Statistik = 0.9999999999999999, pvalue = 1.8488927466117464e-32)
LinuxHint@u22: ~ $

Diese Ausgabe zeigt die lineare Beziehung zwischen zwei Arrays, y und g,. Diese Funktion gibt zwei Werte im Float zurück; Der erste ist ein statistischer Wert gleich 0.999999999 und der zweite ist ein PValue gleich 1.84889… E-32

Beispiel 2

Zuvor sahen wir ein einfaches Beispiel für die Pearson -Funktion. Hier werden wir diskutieren, wie man Pearsons R -Koeffizient in Python findet. Bitte gehen Sie den folgenden Referenzcode durch, um mehr Klärung zu erhalten:

Skipie importieren.Statistiken
aus Scipy -Importstatistiken
von Scipy.Statistiken importieren Pearsonr
Numph als NP importieren
arra = np.Array ([1,1,6,6,0,0])
arrb = np.Array ([0,1,2,5,4,0])
find_coefficienion = scipy.Statistiken.Pearsonr (arra, arrb)
print ('Der Koeffizient ist:', find_coefficing)

In diesem Beispiel haben wir das Statistikmodul aus der Scipy -Bibliothek und zusammen mit der Pearsonr -Funktion importiert. Wir haben die Numpy -Bibliothek wegen des beteiligten Arrays in das Programm importiert. In der folgenden Zeile haben wir zwei Numpy -Arrays als Teil eines Datensatzes namens "ARRA" und "arrb" erstellt. Danach haben wir das angerufen scharf.Statistiken.Pearsonr Funktion, die Numpy -Arrays als Argumente nimmt und den Wert zurückgibt, der der Koeffizient von zwei Datensätzen ist. Dieser Koeffizient wird in der Variablen 'Find_coefficing' gespeichert.

Schließlich zeigen wir die Ausgabe auf der Konsole mit einer Druckanweisung. Denken Sie daran, dass der Koeffizient sehr negativ ist, wenn der Wert des Koeffizienten ungefähr -1 entspricht. Wenn der Wert ungefähr 1 entspricht, ist der Koeffizient sehr positiv. Die Ausgabe des Programms ist unten bereitgestellt:

LinuxHint@U22: ~ $ Python ex2.py
Der Koeffizient ist: Pearsonrresult (Statistik = 0.4974273993210546, pvalue = 0.3153991309564151)
LinuxHint@u22: ~ $

Hier sehen wir, dass die PearsonRresult -Werte sowohl positive als auch schwebende Zahlen sind. Dies bedeutet, dass der Koeffizient dieser beiden Datensätze sehr positiv ist.

Beispiel 3

Jetzt nehmen wir ein anderes Beispiel im Zusammenhang mit dem Scipy.Statistiken.Pearsonr Funktion, in der wir diskutieren werden, den Koeffizienten von zwei verschiedenen Datensätzen unter Index 0 zu finden. Der Referenzcode für dieses Programm wird unten erwähnt:

Skipie importieren.Statistiken
aus Scipy -Importstatistiken
von Scipy.Statistiken importieren Pearsonr
Numph als NP importieren
k = np.Array ([12,18,16,26,10,21])
M = NP.Array ([9,2,7,4,9,0])
q = scipy.Statistiken.Pearsonr (K, M) [0]
print ('Der Statistikwert ist:', q)

Nach wie vor haben wir alle verwandten Bibliotheken wie Scipy, Numpy und ihre Statistiken erfolgreich importiert.Pearsonr -Funktion in das Programm, da wir die Pearson -Funktion ohne diese Bibliotheken nicht verwenden können. Wir haben zwei Datensätze mit unterschiedlichen Werten genommen und sie die Numpy -Bibliothek genannt. Wir haben auch eingeschlossen '[0]' in der Funktion, um den Koeffizienten am 0 -Index zu finden. Der zurückgegebene Funktionswert wird in der Variablen 'Q' gespeichert. Jetzt möchten wir die Ausgabe auf dem Konsolenbildschirm anzeigen, sodass wir die Ausgabe auf dem Bildschirm mit der Print -Anweisung anzeigen. Nachdem wir das Programm erfolgreich ausgeführt hatten, fanden wir das Ergebnis auf dem Konsolenbildschirm. Das Folgende ist die Ausgabe des Programms in einer Python -Anwendung:

LinuxHint@U22: ~ $ Python ex3.py
Der Statistikwert lautet: -0.7426139036107966
LinuxHint@u22: ~ $

Da der Ausgang negativ ist, zeigt dies an, dass der Koeffizient bei Index [0] äußerst negativ ist. Der sehr negative Wert des Koeffizienten bedeutet, dass der Wert in einem Datensatz erhöht wird, die Werte anderer Datensätze verringert.

Abschluss

Lassen Sie uns diesen Artikel schnell zusammenfassen, Scipy ist die Bibliothek und Statistiken ist ein Paket dieser Bibliothek mit der Funktion Pearsonr, mit der die lineare Beziehung zwischen zwei verschiedenen Datensätzen ermittelt wird. Python ist eine sehr aufstrebende Sprache, die Ihnen in jedem Bereich der Arbeit hilft. In diesem Artikel haben wir die Pearsonr -Funktion mit Hilfe der vorherigen Beispiele ausführlich besprochen. Die Pearsonr -Funktion wird in Python verwendet, um zu finden. Hoffentlich haben diese Beispiele Ihnen geholfen, über das zu lernen Scipy.Statistiken.Pearsonr Funktion, und Sie können auch Änderungen an diesen Beispielen in Ihrer Python -Umgebung implementieren.