scipy.stats.mstats.spearmanr¶
- scipy.stats.mstats.spearmanr(x, y=None, use_ties=True, axis=None, nan_policy='propagate', alternative='two-sided')[源代码]¶
计算Spearman秩相关系数和p值以测试非相关性。
Spearman相关性是两个数据集之间线性关系的非参数度量。与皮尔逊关联不同,Spearman关联不假设两个数据集都是正态分布的。与其他相关系数一样,此系数在-1和+1之间变化,0表示没有相关性。-1或+1的相关性意味着单调关系。正相关意味着AS x 增长,也是如此 y 。负相关意味着AS x 增加, y 减少了。
缺少的值将成对丢弃:如果 x 中的相应值 y 戴着面具。
p值大致表示不相关的系统产生的数据集的概率,该数据集的Spearman相关性至少与根据这些数据集计算的数据集的相关性一样极端。p值并不完全可靠,但对于大于500左右的数据集可能是合理的。
- 参数
- x, y一维或二维ARRAY_LIKE,y是可选的
包含多个变量和观测的一个或两个一维或二维数组。当它们是一维时,每个表示单个变量的观测值的向量。有关2-D情况下的行为,请参见
axis
,见下图。- use_ties布尔值,可选
不要使用。不执行任何操作,关键字仅出于向后兼容的原因保留在原来的位置。
- axis整型或无型,可选
如果AXIS=0(默认值),则每列表示一个变量,在行中有观察值。如果AXIS=1,则关系颠倒:每行表示一个变量,而列包含观察值。如果AXIS=NONE,则两个数组都将被分解。
- nan_policy{‘Propagate’,‘RAISE’,‘OMIT’},可选
定义输入包含NaN时的处理方式。‘Propagate’返回NaN,‘Raise’抛出错误,‘omit’执行忽略NaN值的计算。默认值为“Propagate”。
- alternative{‘双面’,‘少’,‘大’},可选
定义了另一种假设。默认值为“双面”。以下选项可用:
‘Two-Side’:相关性为非零
‘less’:相关性为负(小于零)
“较大”:相关性为正(大于零)
1.7.0 新版功能.
- 退货
- correlation浮动
斯皮尔曼相关系数
- pvalue浮动
双尾p值。
参考文献
[CRCProbStat2000] 第14.7条