我有两个同样长的数据数组的数据集，或者我可以创建一个两项条目数组，我想计算数据所代表的相关性和统计显着性（可能紧密相关，或者可能有无统计学意义的相关性） .
我用Python编程并安装了scipy和numpy . 我查看并找到Calculating Pearson correlation and significance in Python，但这似乎想要操纵数据，因此它落入指定范围 .
我假设，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？
我有两个同样长的数据数组的数据集，或者我可以创建一个两项条目数组，我想计算数据所代表的相关性和统计显着性（可能紧密相关，或者可能有无统计学意义的相关性） .
我用Python编程并安装了scipy和numpy . 我查看并找到Calculating Pearson correlation and significance in Python，但这似乎想要操纵数据，因此它落入指定范围 .
我假设，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？
3 回答
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]，也许这就是混乱？如果重要性不是非常重要，您可以使用
numpy.corrcoef().马哈拉诺比斯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 . ）
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 .
该功能在scipy包中：
scipy.spatial.distance.mahalanobis有一个很好的例子here
scipy.spatial.distance.euclidean()
这给出了2个点，2个np阵列，2个列表等之间的欧氏距离
你可以在这里找到更多信息http://docs.scipy.org/doc/scipy/reference/spatial.distance.html