我正在尝试为长度不相同的2个数据集计算相关系数。以下代码仅适用于等长数组。
import numpy as np
from scipy.stats.stats import pearsonr
a = [ 0, 0.4, 0.2, 0.4, 0.2, 0.4, 0.2, 0.5 ]
b = [ 25, 40, 62, 58, 53, 54]
print pearsonr(a,b)
在我的情况下,“ b”向量长度可以在50-100 datpoints之间变化。虽然我要匹配的功能是标准的。附加图片“ a”。还有其他与这些模式匹配的首选模块吗?
答案 0 :(得分:2)
参加聚会的时间不算太晚,但是由于这是Google的最佳结果,因此我将为这个问题提供一个可能的答案:
import pandas as pd
from scipy.stats import pearsonr
import numpy as np
a = [ 0, 0.4, 0.2, 0.4, 0.2, 0.45, 0.2, 0.52, 0.52, 0.4, 0.21, 0.2, 0.4, 0.51]
b = [ 0.4, 0.2, 0.5]
df = pd.DataFrame(dict(x=a))
CORR_VALS = np.array(b)
def get_correlation(vals):
return pearsonr(vals, CORR_VALS)[0]
df['correlation'] = df.rolling(window=len(CORR_VALS)).apply(get_correlation)
pandas
DataFrame具有rolling()
方法,该方法采用数组长度长度(window
)作为参数。从rolling()
返回的对象具有将函数用作参数的apply()
方法。例如,您可以使用scipy.stats中的Pearson Correlation coefficient来计算pearsonr。
In [2]: df['correlation'].values
Out[2]:
array([ nan, nan, -0.65465367, 0.94491118, -0.94491118,
0.98974332, -0.94491118, 0.9923356 , -0.18898224, -0.75592895,
-0.44673396, 0.1452278 , 0.78423011, 0.16661846])
In [1]: df
Out[1]:
x correlation
0 0.0 NaN
1 0.4 NaN
2 0.2 NaN
3 0.4 NaN
4 0.2 NaN
5 0.4 0.527932
6 0.2 -0.159167
7 0.5 0.189482
答案 1 :(得分:1)
由于需要成对的数据进行计算,因此您基本上无法计算不同长度的向量之间的相关系数。可以对最短向量进行插值以使其长度相同,但这可能会极大地改变结果,具体取决于插值方法。