python 相关系数 气象_三大相关系数: pearson, spearman, kendall(python示例实现)
时间: 2023-08-16 22:10:06 浏览: 114
相关系数计算_关联度python_灰色关联度_皮尔逊相关系数_相关系数_最大信息系数_
5星 · 资源好评率100%
好的,很高兴为您解答这个问题。下面是三个相关系数的 Python 示例实现:
Pearson 相关系数:
```python
import numpy as np
from scipy.stats import pearsonr
# 创建两个随机数列
x = np.random.randn(100)
y = np.random.randn(100)
# 计算 Pearson 相关系数和 P 值
corr, p_value = pearsonr(x, y)
print('Pearson 相关系数:', corr)
print('P 值:', p_value)
```
Spearman 相关系数:
```python
import numpy as np
from scipy.stats import spearmanr
# 创建两个随机数列
x = np.random.randn(100)
y = np.random.randn(100)
# 计算 Spearman 相关系数和 P 值
corr, p_value = spearmanr(x, y)
print('Spearman 相关系数:', corr)
print('P 值:', p_value)
```
Kendall 相关系数:
```python
import numpy as np
from scipy.stats import kendalltau
# 创建两个随机数列
x = np.random.randn(100)
y = np.random.randn(100)
# 计算 Kendall 相关系数和 P 值
corr, p_value = kendalltau(x, y)
print('Kendall 相关系数:', corr)
print('P 值:', p_value)
```
以上就是三个相关系数的 Python 示例实现,希望对您有所帮助。
阅读全文