Grau de associação círculo
Scipy tem um atributo ou função chamada “Association ().”Essa função é definida para saber quanto as duas variáveis estão relacionadas entre si, o que significa que a associação é uma medida de quanto as duas variáveis ou as variáveis em um conjunto de dados se relacionam.
Procedimento
O procedimento do artigo será explicado nas etapas. Primeiro, aprenderemos sobre a função Association () e depois saberemos quais módulos do Scipy são obrigados a trabalhar com esta função. Em seguida, aprenderemos sobre a sintaxe da função Association () no script python e depois fará alguns exemplos para obter experiência de trabalho prática.
Sintaxe
A linha a seguir contém a sintaxe para a chamada de função ou a declaração da função da associação:
$ scipy. Estatísticas. contingência. Associação (observada, Method = 'Cramer', Correção = Falso, Lambda_ = Nenhum)
Vamos agora discutir os parâmetros exigidos por esta função. Um dos parâmetros é o "observado", que é um conjunto de dados ou matriz semelhante a uma matriz que tem os valores sob observação para o teste de associação. Então vem o parâmetro importante “método.”Este método deve ser especificado durante o uso dessa função, mas seu valor padrão é“ Cramer.”A função tem outros dois métodos:“ TschuProw ”e“ Pearson.”Então, todas essas funções dão os mesmos resultados.
Lembre -se de que não devemos confundir a função de associação com o coeficiente de correlação de Pearson, pois essa função diz apenas se as variáveis têm ou não correlação entre si, enquanto a associação informa quanto ou em que grau as variáveis nominais estão relacionadas a cada um outro.
Valor de retorno
A função de associação retorna o valor estatístico para o teste, e o valor tem o tipo de dados "float" por padrão. Se a função retornar um valor de “1.0 ”, isso indica que as variáveis têm uma associação 100%, enquanto um valor de“ 0.1 "ou" 0.0 ”indica que as variáveis têm pouca ou nenhuma associação.
Exemplo # 01
Até agora, chegamos ao ponto de discussão de que a associação calcula o grau da relação entre as variáveis. Usaremos essa função de associação e julgando os resultados em comparação com nosso ponto de discussão. Para começar a escrever o programa, abriremos o "Google Collab" e especificaremos um notebook separado e exclusivo da colaboração para escrever o programa em. A razão por trás do uso dessa plataforma é que é uma plataforma de programação Python online e possui todos os pacotes instalados com antecedência.
Sempre que estamos escrevendo um programa em qualquer linguagem de programação, iniciamos o programa Importando primeiro as bibliotecas. Esta etapa tem importância, uma vez que essas bibliotecas têm as informações de back-end armazenadas nelas para as funções que essas bibliotecas têm, ao importar essas bibliotecas, adicionamos indiretamente as informações ao programa para o funcionamento adequado das funções internas. Importe a biblioteca "Numpy" no programa como "NP", pois aplicaremos a função de associação aos elementos da matriz para verificar se sua associação.
Em seguida, outra biblioteca será "ccepy" e, a partir deste pacote scipy, importaremos as "estatísticas. contingência como associação ”para que possamos ligar para a função de associação usando este módulo importado“ Associação.”Nós integramos todos os módulos necessários no programa agora. Defina uma matriz com dimensão 3 × 2, usando a função de declaração de matriz Numpy. Esta função usa o "NP" de Numpy como um prefixo para Array () como "NP. Array ([[2, 1], [4, 2], [6, 4]]).”Vamos armazenar essa matriz como o“ observado_array.Os elementos desta matriz são “[[2, 1], [4, 2], [6, 4]], o que mostra que a matriz consiste em três linhas e duas colunas.
Agora chamaremos o método da associação () e, nos parâmetros da função, passaremos o "observado_array" e o método, que especificaremos como o "Cramer.”Esta chamada de função parecerá“ Associação (observada_array, Method = ”Cramer”) ”. Os resultados serão armazenados e depois exibidos usando a função print (). O código e a saída para este exemplo são mostrados da seguinte forma:
O valor de retorno do programa é “0.0690 ”, que afirma que as variáveis têm um menor grau de associação entre si.
Exemplo # 02
Este exemplo mostrará como podemos usar a função de associação e calcular a associação das variáveis com duas especificações diferentes de seu parâmetro, i.e., "método."Integrar o" ccepy. Estado. atributo de contingência "como uma" associação "e o atributo de Numpy como" np ", respectivamente. Crie uma matriz 4 × 3 para este exemplo usando o método de declaração de matriz Numpy, i i.e., “NP. Array ([[100.120, 150], [203.222, 322], [420,660, 700], [320,110, 210]]).”Passe esta matriz para o método Association () e especifique o parâmetro" Método "para esta função pela primeira vez como" TschuProw "e a segunda vez como" Pearson.”
Esta chamada de método ficará assim: (observado_array, métod = "tschuProw") e (observado_array, métod = "Pearson"). O código para ambas as funções é anexado abaixo na forma de um trecho.
Ambas as funções retornaram o valor estatístico para este teste, que mostra a extensão da associação entre as variáveis na matriz.
Conclusão
Este guia descreve os métodos para as especificações do parâmetro Association Scipy () "Método" com base nos três testes de associação diferentes que esta função fornece: "TschuProw", "Pearson" e "Cramerr.”Todos esses métodos fornecem quase os mesmos resultados quando aplicados aos mesmos dados de observação ou matriz.