精华内容
下载资源
问答
  • Python Numpy 计算自相关系数

    千次阅读 2019-10-16 15:34:06
    def autocorrelation(x,lags):#计算lags阶以内的自相关系数,返回lags个值,分别计算序列均值,标准差 n = len(x) x = numpy.array(x) result = [numpy.correlate(x[i:]-x[i:].mean(),x[:n-i]-x[:n-i].mean())[0]...

    1. np.correlate函数

    numpy.correlate(a, v, mode='valid')
    

    计算序列a,v的互相关。

    如果需要计算一个序列,它和自己延迟(lag)的序列的相关性,可以使用以下代码:

    def autocorrelation(x,lags):
    #计算lags阶以内的自相关系数,返回lags个值,分别计算序列均值,标准差
    	n = len(x)
    	x = numpy.array(x)
    	result = [numpy.correlate(x[i:]-x[i:].mean(),x[:n-i]-x[:n-i].mean())[0]\
    		/(x[i:].std()*x[:n-i].std()*(n-i)) for i in range(1,lags+1)]
    	return result
    

    或者:

    y = train['quantity']
    x = np.arange(len(train))
    yunbiased = y-np.mean(y)
    ynorm = np.sum(yunbiased**2)
    acor = np.correlate(yunbiased, yunbiased, "same")/ynorm
    # # use only second half
    acor = acor[int(len(acor)/2):]
    fig = plt.figure(figsize = (10,6))
    plt.xlabel('Lag', fontsize=15)
    plt.ylabel('ACF', fontsize=15)
    plt.plot(acor)
    plt.show()
    

    参考:

    1. Python Numpy 计算自相关系数
    展开全文
  • pandas 中df 对象自带相关性计算方法corr() , 可以用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。>>> import numpy as np>>> import...

    pandas 中df 对象自带相关性计算方法corr() , 可以用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。

    >>> import numpy as np

    >>> import pandas as pd

    >>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10),

    'B':np.random.randint(1, 100, 10),

    'C':np.random.randint(1, 100, 10)})

    >>> df

    A   B   C

    0   5  91   3

    1  90  15  66

    2  93  27   3

    3  70  44  66

    4  27  14  10

    5  35  46  20

    6  33  14  69

    7  12  41  15

    8  28  62  47

    9  15  92  77

    >>> df.corr()  # pearson相关系数

    A              B              C

    A  1.000000 -0.560009  0.162105

    B -0.560009  1.000000  0.014687

    C  0.162105  0.014687  1.000000

    >>> df.corr('kendall') # Kendall Tau相关系数

    A              B              C

    A  1.000000 -0.314627  0.113666

    B -0.314627  1.000000  0.045980

    C  0.113666  0.045980  1.000000

    >>> df.corr('spearman') # spearman秩相关

    A              B              C

    A  1.000000 -0.419455  0.128051

    B -0.419455  1.000000  0.067279

    C  0.128051  0.067279  1.000000

    参考:https://blog.csdn.net/oh5w6hinug43jvrhhb/article/details/78389809

    展开全文
  • pandas 中df 对象自带相关性计算方法corr() , 可以用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。 >>> import numpy as np>>> ...

    pandas 中df 对象自带相关性计算方法corr() , 可以用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。

     

    >>> import numpy as np
    >>> import pandas as pd

    >>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10),
         'B':np.random.randint(1, 100, 10),
         'C':np.random.randint(1, 100, 10)})
    >>> df
         A   B   C
    0   5  91   3
    1  90  15  66
    2  93  27   3
    3  70  44  66
    4  27  14  10
    5  35  46  20
    6  33  14  69
    7  12  41  15
    8  28  62  47
    9  15  92  77
    >>> df.corr()  # pearson相关系数
              A              B              C
    A  1.000000 -0.560009  0.162105
    B -0.560009  1.000000  0.014687
    C  0.162105  0.014687  1.000000
    >>> df.corr('kendall') # Kendall Tau相关系数

              A              B              C
    A  1.000000 -0.314627  0.113666
    B -0.314627  1.000000  0.045980
    C  0.113666  0.045980  1.000000
    >>> df.corr('spearman') # spearman秩相关

              A              B              C
    A  1.000000 -0.419455  0.128051
    B -0.419455  1.000000  0.067279
    C  0.128051  0.067279  1.000000


    参考:https://blog.csdn.net/oh5w6hinug43jvrhhb/article/details/78389809

    转载于:https://www.cnblogs.com/Allen-rg/p/9964039.html

    展开全文
  • 源代码不记得是哪里获取的了,侵删。... #计算皮尔逊相关系数 den=sqrt((sumofx2-float(sum1**2)/n)*(sumofy2-float(sum2**2)/n)) return num/den 转载于:https://www.cnblogs.com/IvyWong/p/9482687.html

    源代码不记得是哪里获取的了,侵删。此处博客仅作为自己笔记学习。

    def multipl(a,b):
        sumofab=0.0
        for i in range(len(a)):
            temp=a[i]*b[i]
            sumofab+=temp
        return sumofab
     
    def corrcoef(x,y):
        n=len(x)
        #求和
        sum1=sum(x)
        sum2=sum(y)
        #求乘积之和
        sumofxy=multipl(x,y)
        #求平方和
        sumofx2 = sum([pow(i,2) for i in x])
        sumofy2 = sum([pow(j,2) for j in y])
        num=sumofxy-(float(sum1)*float(sum2)/n)
        #计算皮尔逊相关系数
        den=sqrt((sumofx2-float(sum1**2)/n)*(sumofy2-float(sum2**2)/n))
        return num/den

    转载于:https://www.cnblogs.com/IvyWong/p/9482687.html

    展开全文
  • 自己编程实现Spearman相关系数计算。 Spearman相关系数 Spearman相关系数是一种秩相关系数。数据的秩简单来说就是该样本数据的次序统计量。秩统计量是基于样本值的大小在全体样本中所占位次(秩)的统计量 例:有...
  • python 计算两个列表的相关系数

    万次阅读 多人点赞 2018-10-09 21:33:31
    计算相关系数用pandas,比如我想知道风速大小与风向紊乱(标准差来衡量)之间的相关系数,下面是代码: import pandas as pd import pylab as plt #每小时的阵风风速平均值 all_gust_spd_mean_list = [8...
  • Python计算离散序列的自相关函数

    千次阅读 2019-12-02 19:41:49
    离散时间序列的自相关函数其实就是若干阶自相关系数的组合,其中,自相关系数计算公式如下: 其中 h 为阶数,μ为序列的均值,比如计算离散时间序列 : [2, 3, 4, 3, 7] 的自相关函数 首先计算 0 阶自相关系数为 1...
  • 最近用到了相关性分析的内容,想起来之前用过...python的第三方模块scipy中已经内置了相应的计算函数了,关于三者的异同点和适用场合我就不多介绍了,网上有很多相关的介绍的,下面是具体的实践: #!usr/bin/env ...
  • 当数据中存在NaN时,我找不到计算包含多于两个变量的观测值的数组的相关系数矩阵的函数 . 有一些函数可以为变量对执行此操作(或者只使用~is.nan()来掩盖数组) . 但是通过循环遍历大量变量来使用这些函数,计算每对...
  • 我找不到能为数据中存在NaN的数组计算相关系数矩阵的函数,该数组包含两个以上变量的观测值。有一些函数可以对成对的变量(或者只是使用?is.nan()掩盖数组)。但是通过遍历大量变量来使用这些功能,计算每对变量的...
  • 皮尔逊相关系数的,余弦相似性,欧式距离是我们经常用到的计算相似性的函数,下面自己实现一下: 一、介绍下三个公式 (1)皮尔逊相关系数 (2)欧式距离  ---------- 二维空间  -----------n维空间 (3)...
  • 线性回归分析中,回归系数βj的估计量的方差为σ2Cjj,其中Cjj=(1-Rj)-1,称Cjj为βj的方差扩大因子,这里Rj为xj对其余p-1个变量的复相关系数的平方,显然Cjj≥1,它的大小可以反映出自变量的观察值之间是否存在复...
  • 线性回归分析中,回归系数βj的估计量的方差为σ2Cjj,其中Cjj=(1-Rj)-1,称Cjj为βj的方差扩大因子,这里Rj为xj对其余p-1个变量的复相关系数的平方,显然Cjj≥1,它的大小可以反映出自变量的观察值之间是否存在复...
  • 相关系数与协方差 唯一值,值计数及成员资格 汇总和计算描述统计 Na值会被自动排除,通过skipna选项可以禁用该功能 >>> df = DataFrame([[1.4,np.nan],[7.1,-4.5],[np.nan,np.nan],[0.75,...
  • 我自己用matlab算的,但是有个同学和我对答案的时候,还没有装好matlab,我就用python给写了一下。 2.代码 import pandas as pd a = pd.Series([1.73,1.76,1.75,1.79,1.78,1.63,1.58,1.63,1.66,1.72])#身高 b = pd...
  • 线性回归分析中,回归系数βj的估计量的方差为σ2Cjj,其中Cjj=(1-Rj)-1,称Cjj为βj的方差扩大因子,这里Rj为xj对其余p-1个变量的复相关系数的平方,显然Cjj≥1,它的大小可以反映出自变量的观察值之间是否存在复...
  • 线性回归分析中,回归系数βj的估计量的方差为σ2Cjj,其中Cjj=(1-Rj)-1,称Cjj为βj的方差扩大因子,这里Rj为xj对其余p-1个变量的复相关系数的平方,显然Cjj≥1,它的大小可以反映出自变量的观察值之间是否存在复...
  • 看上去MATLAB和statsmodels里都是用的标准的统计中的定义——皮尔森相关系数,而numpy和scipy中使用的是非正式的信号处理中的定义,需要均值为0,且计算结果需要归一化,才会得到差不多的答案。
  • 最近由于学习上的需要,需要计算很多遥感影像的相关系数,使用envi软件波段计算比较繁琐,就在网上找了不少计算相关指数的python代码,并且自己写了一些较为简单的计算过程。恰好又在很久之前学过一些pyside2的知识...
  • python回归分析回归分析历史回归最初是遗传学中一个名词由英国生物学家兼统计学家高尔顿首先...计算相关系数,再进行拟合回归模型,最后用回归模型进行预测相关分析与回归分析的区别:相关分析:研究的是随机变量,...
  • 纯随机性检验 纯随机序列: 平稳序列值之间没有任何相关性的序称为纯随机序列,...常用的检验统计量有Q统计量、LB统计量,由样本各延迟期数的自相关系数,可以计算出检验统计量,然后计算对应的p值,如果p值大于显著性...
  • 过程电影评价多重分类用户信息录入计算皮尔逊相关系数找出兴趣相投的用户插入自己的数据向某用户推荐电影加权平均所有人的评价结果与分析 过程: 用爬虫抓取豆瓣电影用户信息用多重分类法,...
  • 一、自相关性自相关性与相关性自相关系数和偏自相关系数计算import tushare as tsfrom statsmodels.tsa import stattoolspro = ts.pro_api()df = pro.index_daily(ts_code='000001.SH', start_date='20180901')...
  • 时间序列分析 - python实现

    千次阅读 2019-03-13 20:01:17
    python的statsmodels模块(http://www.statsmodels.org/dev/tsa.html)提供了时间序列分析相关的内容: ...acf() 计算自相关 statsmodels.tsa.stattools.acf plt_acf() 画自相关系数 statsmodels.graphic...
  • jump环境:Python, Android SDK方法:利用Python识别棋子和落点位置,自动执行跳一跳棋子落稳之后,截图根据像素 RGB,计算棋子的坐标和下一个落点的坐标根据两个点的距离乘以一个时间系数获得长按的时间识别棋子:...

空空如也

空空如也

1 2 3
收藏数 58
精华内容 23
关键字:

python计算自相关系数

python 订阅