Estadísticas de scipy Pearsonr

Este artículo es sobre el Bisagro.estadísticas.pearsonr función utilizada en Python. Scipy es como una caja del tesoro en Python, donde puedes encontrar fácilmente cada función para resolver problemas. Scipy es un paquete ligero de Python. Scipy significa Python Scientific, que está lleno de utilidades importantes para la optimización, el procesamiento de imágenes, el procesamiento de señales, los cálculos estadísticos, etc. A continuación, discutiremos bisagro.estadísticas.pearsonr con la ayuda de diferentes ejemplos para una mejor comprensión.

¿Qué son las estadísticas de Scipy Pearsonr en el idioma de Python??

Bisagro.estadísticas es un paquete de las bibliotecas Scipy utilizadas para la resolución estadística de problemas en las aplicaciones de Python. Bisagro.estadísticas contiene varias funciones, una de las cuales es pearsonr, que se usa para calcular la relación de correlación lineal entre dos matrices de números. El valor de retorno del pearsonr El coeficiente está en el rango de [-1,1]. Un valor de 0 no está correlacionado y los valores más cercanos a -1 o 1 muestran una correlación negativa y positiva de las matrices.

Sintaxis de stats scipy Pearsonr

La sintaxis del scipy.estadísticas.La función de Pearsonr se da a continuación:

bisagro.estadísticas.Pearsonr (x, y, [alternativo = 'dos ​​lados'])

Expliquemos los parámetros de la función. X e y son entradas en forma de matriz a medir para la correlación. El tercer parámetro opcional es predeterminado a 'dos ​​lados', pero también puede tener esta lista de valores posibles: ['bes-sesado', 'mayor', 'menos']].

El valor de retorno contiene dos números de puntos flotantes, el primer valor de retorno 'estadística' indica la correlación negativa y positiva con un número de -1 a 1, con 0 que no tiene correlación. El segundo punto flotante de retorno representa el valor p Para este cálculo.

A continuación se muestran algunos ejemplos de pearsonr Para demostrar su trabajo:

Ejemplo 1

El primer ejemplo de bisagro.estadísticas.pearsonr es muy fácil y simple. Como la conocemos, bisagro.estadísticas.pearsonr se usa para encontrar la relación lineal entre dos conjuntos de datos diferentes.

importación.estadísticas
De las estadísticas de importación escasas
De Scipy.estadísticas import pearsonr
importar numpy como np
y = [1,3,5,7,9,11]
g = [10,15,20,25,30,35]
resultado = Scipy.estadísticas.Pearsonr (Y, G)
imprimir ('la salida es:', resultado)

Primero, importamos la biblioteca Scipy con el estadísticas.pearsonr función, junto con la biblioteca numpy para el manejo de la matriz. Inicializamos dos matrices o conjuntos de datos en los que implementamos la función. En la siguiente línea, llamamos a la función bisagro.estadísticas.pearsonr y pasar matrices a la función, que devuelve valores a una variable llamada 'resultado'. Por fin, pasamos la variable de 'resultado' en una declaración de impresión. Después de ejecutar el programa en el entorno Python, aparecerá la siguiente salida en la pantalla de la consola:

linuxhint@u22: ~ $ python ex1.py
La salida es: PearsonRResult (estadística = 0.99999999999999999, Pvalue = 1.8488927466117464e-32)
linuxhint@u22: ~ $

Esta salida muestra la relación lineal entre dos matrices, Y y G. Esta función devuelve dos valores en el flotador; El primero es un valor estadístico igual a 0.999999999, y el segundo es un pvalue igual a 1.84889 ... E-32

Ejemplo 2

Anteriormente, vimos un ejemplo simple de la función Pearson. Aquí, discutiremos cómo encontrar el coeficiente R de Pearson en Python. Por favor revise el siguiente código de referencia para obtener más aclaraciones:

importación.estadísticas
De las estadísticas de importación escasas
De Scipy.estadísticas import pearsonr
importar numpy como np
arra = np.Array ([1,1,6,6,0,0])
ARRB = NP.Array ([0,1,2,5,4,0])
find_coeFeficiente = scipy.estadísticas.Pearsonr (Arra, ARRB)
Imprimir ('El coeficiente es:', find_coeficiente)

En este ejemplo, importamos el módulo de estadísticas de la biblioteca Scipy y, junto con él, la función de Pearsonr. Importamos la biblioteca Numpy al programa debido a la matriz involucrada. En la siguiente línea, creamos dos matrices numpy como parte de un conjunto de datos llamado 'Arra' y 'ARRB'. Después de esto, llamamos al picante.estadísticas.pearsonr función, que toma matrices numpy como argumentos y devuelve el valor que es el coeficiente de dos conjuntos de datos. Este coeficiente se almacena en la variable 'find_coeficiente'.

Finalmente, mostramos la salida en la consola utilizando una declaración de impresión. Recuerde que si el valor del coeficiente es aproximadamente igual a -1, entonces significa que el coeficiente es altamente negativo. Si el valor es aproximadamente igual a 1, entonces el coeficiente es muy positivo. La salida del programa se proporciona a continuación:

linuxhint@u22: ~ $ python ex2.py
El coeficiente es: PearsonRresult (estadística = 0.4974273993210546, Pvalue = 0.3153991309564151)
linuxhint@u22: ~ $

Aquí, vemos que los valores de PearsonrResult son números positivos y flotantes. Significa que el coeficiente de estos dos conjuntos de datos es muy positivo.

Ejemplo 3

Ahora, tomamos otro ejemplo relacionado con el bisagro.estadísticas.pearsonr función, en la que discutiremos encontrar el coeficiente de dos conjuntos de datos diferentes en el índice 0. El código de referencia para este programa se menciona a continuación:

importación.estadísticas
De las estadísticas de importación escasas
De Scipy.estadísticas import pearsonr
importar numpy como np
K = NP.Array ([12,18,16,26,10,21])
M = NP.Array ([9,2,7,4,9,0])
Q = Scipy.estadísticas.Pearsonr (K, M) [0]
Imprimir ('El valor de las estadísticas es:', Q)

Como antes, importamos con éxito todas las bibliotecas relacionadas como Scipy, Numpy y sus estadísticas.La función de Pearsonr en el programa porque no podemos usar la función Pearson sin estas bibliotecas. Tomamos dos conjuntos de datos de diferentes valores y los llamamos la biblioteca Numpy. También incluimos '[0]' en la función para encontrar el coeficiente en el índice 0. El valor de la función devuelto se almacena en la variable 'Q'. Ahora, queremos mostrar la salida en la pantalla de la consola, por lo que mostramos la salida en la pantalla utilizando la instrucción de impresión. Después de ejecutar el programa con éxito, encontramos el resultado en la pantalla de la consola. La siguiente es la salida del programa en una aplicación de Python:

linuxhint@u22: ~ $ python ex3.py
El valor de las estadísticas es: -0.7426139036107966
linuxhint@u22: ~ $

Debido a que la salida es negativa, esto indica que el coeficiente en el índice [0] es extremadamente negativo. El valor altamente negativo del coeficiente significa que si aumenta el valor en un conjunto de datos, disminuirá los valores de otros conjuntos de datos.

Conclusión

Recapitulemos rápidamente este artículo, Scipy es la biblioteca, y Stats es un paquete de esta biblioteca con la función Pearsonr utilizada para encontrar la relación lineal entre dos conjuntos de datos diferentes. Python es un lenguaje muy emergente que te ayudará en cada campo de trabajo. En este artículo, discutimos la función de Pearsonr en detalle con la ayuda de los ejemplos anteriores. La función de Pearsonr se usa en Python para encontrar. Con suerte, estos ejemplos te ayudaron a aprender sobre el bisagro.estadísticas.pearsonr función, y también puede implementar modificaciones a estos ejemplos en su entorno de Python.