SCIPY STATS PEARSONR

Este artigo é sobre o Scipy.Estatísticas.Pearsonr função usada em python. Scipy é como uma caixa de tesouro em Python, onde você pode encontrar facilmente todas as funções para resolver problemas. Scipy é um pacote leve de Python. Scipy significa Python científico, cheio de utilitários importantes para otimização, processamento de imagens, processamento de sinais, cálculos estatísticos, etc. Abaixo, vamos discutir Scipy.Estatísticas.Pearsonr com a ajuda de diferentes exemplos para melhor entender.

O que é Scipy Stats Pearsonr na linguagem Python?

Scipy.Estatísticas é um pacote das bibliotecas scipy usadas para solução estatística em aplicativos Python. Scipy.Estatísticas contém várias funções, uma das quais é Pearsonr, que é usado para calcular a relação de correlação linear entre duas matrizes de números. O valor de retorno do Pearsonr O coeficiente está na faixa de [-1,1]. Um valor de 0 não está correlacionado e os valores mais próximos de -1 ou 1 mostram correlação negativa e positiva das matrizes.

Sintaxe do Scipy Stats Pearsonr

A sintaxe do círculo.Estatísticas.A função Pearsonr é dada abaixo:

Scipy.Estatísticas.Pearsonr (x, y, [alternativo = 'bilaterais'])

Vamos explicar os parâmetros da função. X e y são entradas semelhantes a matriz a serem medidas para correlação. O terceiro parâmetro opcional é padronizado para 'bilaterais', mas também pode ter essa lista de valores possíveis: ['bilateia', 'maior', 'menos'].

O valor de retorno contém dois números de ponto flutuante, o primeiro valor de retorno 'estatística' indica a correlação negativa e positiva com um número de -1 a 1, com 0 significando sem correlação. O segundo ponto flutuante de retorno representa o valor p Para este cálculo.

Abaixo estão alguns exemplos de Pearsonr para demonstrar seu trabalho:

Exemplo 1

O primeiro exemplo de Scipy.Estatísticas.Pearsonr é muito fácil e simples. Como sabemos, Scipy.Estatísticas.Pearsonr é usado para encontrar a relação linear entre dois conjuntos de dados diferentes.

Importar Scipy.Estatísticas
De estatísticas de importação ccepy
de Scipy.Estatísticas importam Pearsonr
importar numpy como np
y = [1,3,5,7,9,11]
g = [10,15,20,25,30,35]
Result = Scipy.Estatísticas.Pearsonr (y, g)
Imprimir ('Saída é:', resultado)

Primeiro, importamos a biblioteca scipy com o Estatísticas.Pearsonr função, juntamente com a biblioteca Numpy para manuseio de matrizes. Inicializamos duas matrizes ou conjuntos de dados nos quais implementamos a função. Na próxima linha, chamamos a função Scipy.Estatísticas.Pearsonr e passe matrizes para a função, que retorna valores para uma variável chamada 'resultado'. Por fim, passamos a variável 'resultado' em uma declaração de impressão. Depois de executar o programa no ambiente Python, a seguinte saída aparecerá na tela do console:

linuxhint@u22: ~ $ python ex1.py
A saída é: PearsonrResult (estatística = 0.99999999999999999, pvalue = 1.8488927466117464E-32)
linuxhint@u22: ~ $

Esta saída mostra a relação linear entre duas matrizes, Y e G. Esta função retorna dois valores no float; o primeiro é um valor estatístico igual a 0.99999999, e o segundo é um Pvalue igual a 1.84889… E-32

Exemplo 2

Anteriormente, vimos um exemplo simples da função Pearson. Aqui, discutiremos como encontrar o coeficiente R de Pearson no Python. Passe pelo seguinte código de referência para mais esclarecimentos:

Importar Scipy.Estatísticas
De estatísticas de importação ccepy
de Scipy.Estatísticas importam Pearsonr
importar numpy como np
Arra = np.Array ([1,1,6,0,0])
ARRB = NP.Array ([0,1,2,5,4,0])
FIND_COEFFICIED = SCIPY.Estatísticas.Pearsonr (Arra, ARRB)
Print ('O coeficiente é:', find_coeffect)

Neste exemplo, importamos o módulo de estatísticas da biblioteca scipy e, junto com ele, a função Pearsonr. Importamos a biblioteca Numpy para o programa por causa da matriz envolvida. Na linha seguinte, criamos duas matrizes Numpy como parte de um conjunto de dados chamado 'Arra' e 'ARRB'. Depois disso, chamamos o apimentado.Estatísticas.Pearsonr função, que leva as matrizes numpy como argumentos e retorna o valor que é o coeficiente de dois conjuntos de dados. Este coeficiente é armazenado na variável 'find_coe comficiente'.

Finalmente, mostramos a saída no console usando uma declaração de impressão. Lembre -se de que se o valor do coeficiente for aproximadamente igual a -1, isso significa que o coeficiente é altamente negativo. Se o valor for aproximadamente igual a 1, o coeficiente é altamente positivo. A saída do programa é fornecida abaixo:

linuxhint@u22: ~ $ python ex2.py
O coeficiente é: PearsonrRresult (estatística = 0.4974273993210546, pvalue = 0.3153991309564151)
linuxhint@u22: ~ $

Aqui, vemos que os valores PearsonrResult são números positivos e flutuantes. Isso significa que o coeficiente desses dois conjuntos de dados é altamente positivo.

Exemplo 3

Agora, tomamos outro exemplo relacionado ao Scipy.Estatísticas.Pearsonr Função, na qual discutiremos encontrar o coeficiente de dois conjuntos de dados diferentes no índice 0. O código de referência para este programa é mencionado abaixo:

Importar Scipy.Estatísticas
De estatísticas de importação ccepy
de Scipy.Estatísticas importam 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.Estatísticas.Pearsonr (K, M) [0]
Print ('O valor da estatística é:', q)

Como antes, importamos com sucesso todas as bibliotecas relacionadas como Scipy, Numpy e suas estatísticas.Pearsonr função no programa porque não podemos usar a função Pearson sem essas bibliotecas. Pegamos dois conjuntos de dados de valores diferentes e os chamamos de biblioteca Numpy. Nós também incluímos '[0]' na função de encontrar o coeficiente no Índice 0. O valor da função retornado é armazenado na variável 'q'. Agora, queremos exibir a saída na tela do console, por isso exibimos a saída na tela usando a instrução de impressão. Depois de executar o programa com sucesso, encontramos o resultado na tela do console. A seguir, é apresentada a saída do programa em um aplicativo Python:

linuxhint@u22: ~ $ python ex3.py
O valor da estatística é: -0.7426139036107966
linuxhint@u22: ~ $

Como a saída é negativa, isso indica que o coeficiente no índice [0] é extremamente negativo. O valor altamente negativo do coeficiente significa que, se o valor em um conjunto de dados for aumentado, ele diminuirá os valores de outros conjuntos de dados.

Conclusão

Vamos recapitular rapidamente este artigo, Scipy é a biblioteca e as estatísticas são um pacote desta biblioteca com a função Pearsonr usada para encontrar o relacionamento linear entre dois conjuntos de dados diferentes. Python é uma linguagem muito emergente que o ajudará em todos os campos de trabalho. Neste artigo, discutimos a função Pearsonr em detalhes com a ajuda dos exemplos anteriores. A função Pearsonr é usada no Python para encontrar. Felizmente, esses exemplos o ajudaram a aprender sobre o Scipy.Estatísticas.Pearsonr função, e você também pode implementar modificações nesses exemplos em seu ambiente Python.