我有两组同样长的数据数据集，或者我可以创建一个包含两项数据的数组，我想计算数据所代表的相关性和统计显着性（可能是紧密相关的，或者可能没有统计学上显着的相关性。）
我正在用Python编程并安装了scipy和numpy。我查看并找到Calculating Pearson correlation and significance in Python，但似乎希望操纵数据，使其落入指定范围。
我认为，有什么方法可以让scipy或numpy给出两个数组的相关性和统计显着性？
答案 0 :(得分：7)
如果你想计算Pearson相关系数，那么scipy.stats.pearsonr就是你要走的路;虽然，重要性仅对较大的数据集有意义。此功能不需要操纵数据落入指定范围。相关的值落在区间[-1,1]中，也许这就是混乱？
如果重要性不是很重要，您可以使用numpy.corrcoef()。
Mahalanobis距离确实考虑了两个阵列之间的相关性，但它提供了距离测量，而不是相关性。 （数学上，马哈拉诺比斯距离不是真正的距离函数;然而，它可以在某些情况下如此使用，以获得巨大的优势。）
答案 1 :(得分：2)
您可以在这两个数组之间使用Mahalanobis distance，这会考虑它们之间的相关性。
该功能位于scipy包中：scipy.spatial.distance.mahalanobis
有一个很好的例子here
答案 2 :(得分：0)
<强> scipy.spatial.distance.euclidean（）
这给出了2个点，2个np数组，2个列表等之间的欧氏距离
import scipy.spatial.distance as spsd
spsd.euclidean(nparray1, nparray2)
您可以在此处找到更多信息http://docs.scipy.org/doc/scipy/reference/spatial.distance.html