单调性 相关性 鲁棒性python代码

你想要了解单调性、相关性和鲁棒性的Python代码，我可以给你一些示例代码来说明这些概念。

1. 单调性：在数学中，单调性指的是函数的增减趋势。在Python中，我们可以通过比较函数在不同点上的值来判断其单调性。

def is_monotonic(lst):
    increasing = all(lst[i] <= lst[i+1] for i in range(len(lst)-1))
    decreasing = all(lst[i] >= lst[i+1] for i in range(len(lst)-1))
    return increasing or decreasing

# 示例
print(is_monotonic([1, 2, 3, 4]))  # True
print(is_monotonic([4, 3, 2, 1]))  # True
print(is_monotonic([1, 3, 2, 4]))  # False

2. 相关性：相关性用于衡量两个变量之间的关系强度。在Python中，我们可以使用`pearsonr`函数来计算两个变量的相关系数。

import scipy.stats as stats

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

correlation, p_value = stats.pearsonr(x, y)
print(correlation)  # 1.0

3. 鲁棒性：鲁棒性指的是算法或模型对异常值的敏感程度。在Python中，我们可以使用一些统计方法来提高代码的鲁棒性，例如使用中位数替代均值来减少异常值的影响。

import numpy as np

def mean_with_robustness(data):
    median = np.median(data)
    deviations = [abs(x - median) for x in data]
    MAD = np.median(deviations)
    outliers = [x for x in data if abs(x - median) > 2 * MAD]
    clean_data = [x for x in data if x not in outliers]
    return np.mean(clean_data)

# 示例
data = [1, 2, 3, 4, 100]  # 包含异常值100
print(mean_with_robustness(data))  # 2.5，忽略了异常值100的影响

希望这些示例代码能够帮助你理解单调性、相关性和鲁棒性在Python中的应用。如果你有其他问题，请随时提问！