如何在正确的视图中创建pearson相关矩阵
在正确的视图中创建Pearson相关矩阵，您可以按照以下步骤进行操作：
- 确定数据集：首先，您需要有一个包含相关变量的数据集。这可以是一个表格或矩阵，其中每一列代表一个变量，每一行代表一个观察值。
- 数据预处理：在创建Pearson相关矩阵之前，您可能需要对数据进行一些预处理。这包括处理缺失值、异常值和离群值，以确保数据的准确性和一致性。
- 计算相关系数：使用Pearson相关系数来度量变量之间的线性相关性。Pearson相关系数的取值范围在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无相关性。
- 创建相关矩阵：将计算得到的Pearson相关系数填充到一个矩阵中，该矩阵称为Pearson相关矩阵。相关矩阵是一个对称矩阵，其中每个元素表示两个变量之间的相关系数。
- 可视化相关矩阵：为了更好地理解和分析相关矩阵，您可以使用可视化工具将其呈现出来。常见的可视化方法包括热力图和散点图矩阵。
在腾讯云的生态系统中，您可以使用以下产品和服务来支持创建Pearson相关矩阵：
- 腾讯云数据万象（COS）：用于存储和管理大规模数据集，提供高可靠性和可扩展性。您可以将数据上传到COS，并从中读取数据进行相关矩阵计算。
- 腾讯云机器学习平台（Tencent ML-Platform）：提供了丰富的机器学习和数据分析工具，包括用于计算Pearson相关系数的算法和函数。
- 腾讯云大数据平台（Tencent Big Data Platform）：提供了大规模数据处理和分析的能力，包括用于计算相关矩阵的分布式计算框架和工具。
- 腾讯云可视化分析平台（Tencent Visualization Analysis Platform）：提供了可视化工具和图表库，可以帮助您呈现和分析相关矩阵的结果。
请注意，以上产品和服务仅为示例，您可以根据自己的需求选择适合的腾讯云产品和服务来支持创建Pearson相关矩阵。
相关·内容
1回答
我在Pandas中有一个数据帧，它的形状是(136,1445)。我尝试为136行创建相关(Pearson)矩阵。所以在结果中，我需要一个大小为136x136的矩阵。
我尝试了两种不同的方法，但无法得到结果，或者当我创建一个136x136相关矩阵时，我丢失了dataframe的列名。
第一,
gene_expression = pd.read_csv('padel_all_drug_results_original.csv',dtype='unicode')
gene_expression = gene_expression.convert_objects(con
浏览 0提问于2016-06-22得票数 2
回答已采纳
我试图创建一个16个不同向量的相关矩阵，几乎所有的东西都是我想要的，唯一的区别是我宁愿在散点图中有最好的拟合线，而不是平滑的曲线。我看过其他一些帖子提到使用对chart.Correlation的函数调用的pairs()部分来更改pch，是否有类似的要求最佳拟合直线而不是平滑的曲线？
我问这个问题是因为我觉得在散点图的某些部分中，平滑的曲线可能会给人一种高度相关的错误感觉，我知道相关性就在上半部分，但我仍然希望可以选择将散点图中的线条从平滑更改为最佳拟合。
我的代码非常简单：
chart.Correlation(all.cell.types.rna.seq.table[,2:16], histo
浏览 1提问于2017-06-28得票数 1
所以我尝试使用R的corrplot包创建一个相关矩阵。我想在文本标签中使用两种颜色，以显示变量组。
举个简单的例子：
dat <- data.frame("Blue" = c(1:20), "Red" = sample(1:20, 20, replace = T))
dat <- as.matrix(dat)
C = rcorr(dat, type = "pearson")
corrplot(corr = C$r, order = "original", title = "Pearson Correlat
浏览 14提问于2018-02-21得票数 0
回答已采纳
1回答
栅格的相关性和p值
、、、
我有4个光栅，我用这个代码计算了相关矩阵；但我需要知道p值，但我一直无法做到这一点。你能帮帮我吗?
a<-stack(FS2,FP2,W2,P)
jnk=layerStats(a, 'pearson', na.rm=T)
corr_matrix=jnk$'pearson correlation coefficient'
浏览 0提问于2020-03-24得票数 0
1回答
我有一个从1710年到1980年太阳黑子数量的时间序列，这是基于R.
我试图估计"y“值的相关矩阵。我试着用cor(.)函数来自timeSeries包( )(第64页)。但不起作用。
让"yp“作为我从1710年到1980年的观测向量(时间序列对象)。我的代码是：
CorrelationMatrice=cor(yp,y=NULL,use = "all.obs", method = c("pearson"))
谢谢你阅读这篇文章。
错误形式如下：
Error in cor(yp, y = NULL, use = "all.obs"
浏览 3提问于2015-08-01得票数 0
回答已采纳
库corrgram提供了绘制优雅相关图的机会。然而，在文档中没有简单的方法来在同一张图上同时获得Spearman和Pearson相关性。 也许计算两个系数的相关矩阵并粘贴它们将是一种选择，但这似乎不是正确的方法。 我认为这张图片可以很好地解释我想要得到的东西： ? 我想要得到： cors <- cor(state.x77, method = "pearson")
corsSp <- cor(state.x77, method = "spearman")
for(i in 1:nrow(cors))
{
for(j in i:ncol(cor
浏览 53提问于2019-08-27得票数 3
1回答
我正在处理一个问题(与这里的相同)，但使用的是Java(和火花MLLib)。
因此，用下面的代码创建一个pearson矩阵。我想打印全部13列/字段的Pearson矩阵，但它变得非常混乱。
守则是：
Row r1=Correlation.corr(output,"intensity").head();
System.out.println("Pearson correlation matrix:\n" + r1.get(0).toString());
r1模式是：
root
|-- pearson(intensity): matrix (nullable = f
浏览 0提问于2018-03-27得票数 0
回答已采纳
1回答
如何找到R中相关矩阵的p值？
、、、、
我已经能够使用以下方法生成以下相关矩阵： attach(iris)
library(corrplot)
library(Hmisc)
library(Formula)
library(survival)
#FOR SETOSA:
m<-levels(Species)
setosaCor=cor(iris[Species==m[1],1:4],method = "pearson")
corrplot(setosaCor,method="number",mar=c(0,0,1,0),tl.col="black") 然而，很难得到这个矩阵的p
浏览 38提问于2020-09-14得票数 1
回答已采纳
2回答
我目前正在使用R开发一个数据集，我已经为我的variables.But创建了一个相关矩阵(Pearson)，现在我想为矩阵中显示的值设置一个阈值。我正在尝试以下代码：
cor_relation = cor(mydata_frame, use="all.obs", method="pearson")
我得到以下输出：
200605_s_at 202592_at 202958_at
200605_s_at 1.000000000 0.295065389 0.169772244
202592_at
浏览 4提问于2014-10-21得票数 3
回答已采纳
1回答
相关矩阵问题
、、
下午好，我是Rstudio的初学者，我需要做一个相关矩阵，我已经使用了：
cor (final_base, method = "pearson")
但是，由于数组中有许多NA变量，所以我尝试将：
cor (final_base, method = "pearson", na.rm = TRUE)
这样我就不会在矩阵中计算这样的数据，但是当我得到一个错误时，我会说：
unused argument (na.rm = TRUE)
如果没有考虑到数据库的NA，我如何才能生成矩阵呢？
谢谢
浏览 1提问于2020-05-23得票数 0
1回答
我正在使用anaconda，寻找熊猫相关矩阵的代码。我查了一下/pandas/core/frame.py发现
from pandas._libs import algos as libalgos, lib, properties
在我发现以下几行之后：
def corr(self, method="pearson", min_periods=1) -> "DataFrame":
它使用来自libalgos的correl
if method == "pearson":
correl = libalgos.nancorr(mat, mi
浏览 1提问于2020-11-18得票数 0
2回答
我有两个numpy数组
X.shape = (100, 10)
Y.shape = (100, 10)
我想找出X和Y列之间的皮尔逊相关性
即
from scipy.stats.stats import pearsonr
def corr( X, Y ):
return np.array([ pearsonr( x, y )[0] for x,y in zip( X.T, Y.T ) ] )
corr( X, Y ).shape = (10, )
有没有这样的函数呢？到目前为止，我能找到的所有函数都计算相关矩阵。Matlab中有一个成对的相关函数，所以我很确定一定有人为Py
浏览 2提问于2014-05-21得票数 0
2回答
R中不同处理的相关矩阵
、、、
使用下面的代码，我创建了一个相关矩阵。下面的代码只是为所有数据创建了一个矩阵，而不考虑如何处理。但是，我的数据中有一列是treatment。我想做两个不同的矩阵(每种治疗类型一个)。我的治疗在第六栏“款待”中有一个分类价值。第10到44列，我想为其创建一个矩阵。
correlations <- cor(Plants[,c(10:44)], use="pairwise.complete.obs", method="pearson")
correlations<-as.matrix(correlations)
浏览 1提问于2013-02-03得票数 1
回答已采纳
我已经创建了一个双变量相关矩阵，它将一系列心理量表联系起来。我希望快速显示出哪些级别显示出了彼此之间的显着相关性。正如我从SPSS导出的一样，重要的条目旁边有*或**，表示p<0.05或p<0.01。 有没有一种方法可以快速提取出所有重要的Pearson's corr值，以及它们相关的列/行节名称？
浏览 23提问于2021-01-19得票数 0
是否有一种简单的方法来打印或导出基本R中的cor()中的相关矩阵？
我可以找到使用pairs()和corrplot()对相关矩阵进行非常花哨的表示的方法。但是，我只想要一个使用最小代码量的基本表，这样我就可以在进行探索性数据分析时将其发送给我的同事。目前，我只进行复制和粘贴，当变量数量太大时，就会出现一些问题。下面是我使用的代码：
cor(survey.numeric,
method = "pearson",
use = "pairwise.complete.obs"
)
然后，...which在控制台中显示了这一点：
[
浏览 4提问于2021-06-12得票数 1
回答已采纳
有人能解释为什么这两个相关矩阵返回不同的结果吗？
library(recommenderlab)
data(MovieLense)
cor_mat <- as( similarity(MovieLense, method = "pearson", which = "items"), "matrix" )
cor_mat_base <- suppressWarnings( cor(as(MovieLense, "matrix"), use = "pairwise.complete.obs") )
prin
浏览 1提问于2019-06-19得票数 1
回答已采纳
2回答
我对我的结果有一些问题：
dataCorr = data.corr(method='pearson')
dataCorr = dataCorr[abs(dataCorr) >= 0.7].stack().reset_index()
dataCorr = dataCorr[dataCorr.level_0!=dataCorr.level_1]
从我的相关矩阵来看：
dataCorr = data.corr(method='pearson')
我将此矩阵转换为列：
dataCorr = dataCorr[abs(dataCorr) >= 0.7].sta
浏览 1提问于2018-01-23得票数 5
回答已采纳
nlme包为我提供了一种使用resid(fitted对象，type=“规范化”)对归一化残差进行合成的方法，但是lme4没有选择这样做。如果没有lme4中的这个特性，我就无法诊断自相关。
我不认为R stats包resid(lme4object,type="normalized")工作，lme4-object$residuals是不正确的语法。
lmer/glmer是merMod对象。
拟合混合效应模型描述的类"merMod“--混合效应模型表示为继承自类lmResp的类的merPredD对象和响应模块。具有lmerResp响应的模型有类lmerMod；glmResp响
浏览 8提问于2022-08-23得票数 1
回答已采纳
1回答
A有一个n x m矩阵，其中行i表示变量V_i的时间序列。我想计算n x n相关矩阵M，其中M_{i,j}包含V_i和V_j之间的相关系数()。
但是，当我在numpy中尝试以下内容时：
numpy.corrcoef(numpy.matrix('5 6 7; 1 1 1'))
我得到以下输出：
array([[ 1., nan],
[ nan, nan]])
numpy.corrcoef似乎不喜欢单元向量，因为如果我将第二行更改为7 6 5，就会得到预期的结果：
array([[ 1., -1.],
[ -1., 1.]])
numpy.cor
浏览 11提问于2013-12-05得票数 6
回答已采纳
在分布式环境中，我的数据在不同节点之间按id (比方说: 1-4)和时间(比方说: Jan-Dec)划分，那么计算Pearson互相关矩阵的算法是什么？
例如：
Node A({id1, Jan}, {id2, Jan}); Node B({id3, Jan}, {id4, Jan}),
Node C({id1, Feb}, {id2, Feb}); Node A({id1, March}{id2, March}),
Node C({id3, Feb}, {id4, Feb}); Node B({id3, March}, {id4, March})
基本上，我的意思是所有id的Jan数据不是在
浏览 3提问于2017-05-21得票数 2
我想计算一个相关矩阵，其中下三角形由Pearson组成，上三角形由Spearman秩相关系数组成。我使用的是corr和spearman，它们工作得很好。但对于corr，我无法获得重要性(p值或星号等)。因此，我尝试了pwcorr, list，它给出了准确的结果，但意义重大。
使用这个“新组合”，我不能像使用corr那样创建矩阵。
//Get Pearson Matrix
corr var1 var2 var3
matrix R = r(C)
//Get Row and Column Names
local rnames : rownames R
local cnames : colname
浏览 1提问于2014-08-09得票数 2
我有一个相关矩阵，我正在尝试测试p值，以便使用来获得相关矩阵。这可以在Hmisc包中找到。我有一个矩阵，你可以在这里看到一个叫做KCN的矩阵，你可以在这里看到前6个记录：
0 0 0 1 0
0 0 0 1 0
0 0 1 0 2 0
2 1 5 3 5 0
0 0 1 0 0 0
0 2 1 0 2 0
然后我运行rcorr：
rKCR<-rcorr(as.matrix(KCN[,2:7]),type="pearson")
如果我调用rKCR，我会不断得到p值矩阵的全0，并且我认为这些都是非常弱的相关性，正在被舍入。我在KCN的2列上运行了corr.test()函数，如
浏览 4提问于2017-10-14得票数 0
对于虹膜数据，我们使用pairs()函数获得散点图，如下所示：
pairs(iris[1:4],
main = "Edgar Anderson's Iris Data",
lower.panel=panel.pearson,
pch = 21,
bg = c("red", "green3", "blue")[unclass(iris$Species)])
函数panel.pearson的定义如下：
panel.pearson <- function(x, y,
浏览 0提问于2012-11-14得票数 2
回答已采纳
我想为一个大的spark数据帧计算成对的kendall的tau等级相关性。它很大(比如10m行，10k列)，不能转换成pandas数据帧，然后使用pandas.DataFrame.corr进行计算。
此外，每列可能具有空值，因此在计算成对的kendall's tau时，需要排除两列中任何一列中具有空值的行。
我查过pyspark.mllib.stat.Statistics.corr了。它支持"pearson“和"spearman”。
df_rdd = df.rdd.map(lambda row: row[0:])
corr_mat = Statistic
浏览 18提问于2019-07-20得票数 2
我有一个热图图像(所有矩阵列之间的相关性)，并且我正在分散地准备在同一图像中预置下面的所有更改：
条形颜色应在零左右对称(例如，1和-1的相关性应该与相同的颜色)。
将相关矩阵更改为对角线矩阵，因为相关值是对称的，并且只显示上矩阵三角形(屏蔽下三角形)。
显示对角矩阵的每个单元格中的相关值。
x，y轴标记-显示列名(而不是序列号)
这是代码：
def generate_heatmap(X):
"""
Pearson Correlation Heatmap Plot
:return:
"""
print(
浏览 0提问于2019-08-08得票数 0
Python中是否有一个函数使用任意数量的Numpy数组计算(Pearson)相关矩阵，同时处理这些数组中的NaNs？
import numpy as np
import numpy.ma as ma
a = np.random.random(10)
b = np.random.random(10)
c = np.random.random(10)
a[np.random.randint(0, 10, 2)] = np.nan
b[np.random.randint(0, 10, 2)] = np.nan
c[np.random.randint(0, 10, 2)] = np.nan
ma.c
浏览 3提问于2021-04-27得票数 0
回答已采纳
我是R编程的新手，我正在尝试用polycor包创建一个多列相关矩阵。我让polycor函数运行时没有出现错误消息，但有些地方不太对劲，因为我只返回了一个数字，尽管我有9个变量。如果我使用hetcor，我会得到一个相关矩阵，但所有的相关都被指定为Pearson相关。变量是有序和非正态分布的(所以我必须在次要因子分析中调整非正态分布)；我不明白为什么我得到的是皮尔逊相关而不是多项相关。下面是我为每个函数使用的代码。如果有人对如何迫使hetcorr给出多值相关性有什么建议，或者如果有人知道为什么polychor返回一个单值，我将不胜感激。谢谢! Polycor::polychor (GTP5, M
浏览 19提问于2019-05-11得票数 0
回答已采纳
1回答
我有一组变量，我想用于回归或分类问题。在计算了这些变量的相关矩阵后，我发现其中一些变量的Pearson相关值高达1。
这是否意味着这些变量为学习者保留了多余的信息？
在不冒失去信息的风险的情况下，是否可以安全地移除其中的一个？如果是，如何选择要移除的？
浏览 0提问于2016-03-12得票数 2
回答已采纳
我试图生成一个相关矩阵的表输出。具体来说，我使用for循环来识别第4:40列中所有数据到第1列之间的相关性。虽然表的结果很好，但是而不是识别了与什么相比较的数据。在检查cor.test的属性时，我发现data.name是以x[1]和y[1]的形式给出的，这不足以追溯与什么比较的列。这是我的代码：
input <- read.delim(file="InputData.txt", header=TRUE)
x<-input[,41, drop=FALSE]
y=input[,4:40]
corr.values <- vector("list",
浏览 1提问于2015-12-17得票数 1
回答已采纳
1回答
PCA的负数和复数特征值
、、、、
我已经生成了一个相关矩阵my_corr = rtn.corr(method = 'pearson')，并对来自scipy：eig_vals, eig_vecs = linalg.eig(my_corr)的矩阵进行了主成分分析。然而，我得到的特征值是负数和复数，比如-4.33309269e-16+2.336829340-16j。如果我用use linalg.eigh代替linalg.eig，我得到的是真实值，但也有很多负值。为什么会发生这种情况？谢谢你的帮忙
浏览 149提问于2019-12-31得票数 0
在R中，我打算从多个数据到一个数字向量求出皮尔逊相关系数，基本上，我期望用皮尔逊方法得到一个相关矩阵，用一定的相关系数作为threshold.However来保持多数据中的行(即a，每列的特征)，我试着尝试了一些R实现，但是没有得到正确的相关矩阵。我怎么才能买到这个？有人能告诉我如何在R中很容易地实现这一点吗？有什么想法吗？
可复制示例
persons_df <- data.frame(person1=sample(1:20,10, replace = FALSE),
person2=as.factor(sample(10)),
浏览 1提问于2019-06-26得票数 0
回答已采纳
我使用'chart.Correlation‘包中的'performanceAnalytics’绘制了一个相关矩阵图。但我不能用'pch‘参数来更改点符号。这是密码，
install.packages("PerformanceAnalytics")
library(PerformanceAnalytics)
chart.Correlation(iris[1:4], histogram=TRUE, pch=3)
我得到了什么，。实际上，所有passthru参数都不起作用(例如标签、lty)。
浏览 2提问于2018-03-06得票数 2
回答已采纳
我有一个包含4个变量(方位1到方位4)和20152319无观察值的数据集。它看起来是这样的： ? 现在，我试着找出4个变量的相关矩阵。我使用的代码是： corr_mat = Data.corr(method = 'pearson')
print(corr_mat) 然而，在结果中，我只获得了方位2到方位4的相关信息。方位1无处可见。我提供了以下结果的快照： ? 我尝试从每个变量中删除空值，也尝试查找缺少的值，但都不起作用。有趣的是，如果我分离前两个变量(方位1和方位2)，然后尝试找到它们之间的相关矩阵，则方位1不会出现，并且矩阵是一个只有方位2的1x1矩阵 任
浏览 41提问于2019-12-20得票数 0
我对R非常陌生，我想在word文档中绘制一个奇特的相关矩阵。
这里是我的数据的一个小例子：
provaSO1 <- structure(list(TotalDebt = c(0.637, 0.517, 0.581, 0.785, 0.687,0.703, 0.474),
Long_ok = c(0.157, 0.121, 0.051, 0.29, 0.153,0.301, 0.102),
Short_ok = c(0.48, 0.396, 0.531, 0.495, 0.535,0.402, 0.372),
浏览 2提问于2021-04-21得票数 1
回答已采纳
1回答
在星火中处理大型(局部)矩阵
、、、、
所以我试着在星火中进行协作过滤。假设我有100万用户，我使用SparkML的pyspark.ml.stat.Correlation.corr计算用户对之间的Pearson相关性。通过文档，此方法
包含向量列的相关矩阵的DataFrame。这个DataFrame包含一个行和一个名为‘$METHODNAME($COLUMN)’的列。
矩阵(DenseMatrix)本身并不是分布式的()，据我理解，它必须适合我的驱动程序机器的内存。
问题：
包含此矩阵的数据帧是否跨越多台计算机？我知道Spark分区数据帧，但是我认为多行是这样的吗？
如何使这个巨大的本地矩阵分布式RDD /数据框架(
浏览 0提问于2018-12-09得票数 0
1回答
我想在Python中计算向量与数组的每一行之间的Pearson相关系数(假设为numpy和或scipy )。由于实际数据数组的大小和内存限制，无法使用标准的相关矩阵计算函数。以下是我天真的实现：
import numpy as np
import scipy.stats as sps
np.random.seed(0)
def correlateOneWithMany(one, many):
"""Return Pearson's correlation coef of 'one' with each row of 'many
浏览 4提问于2016-06-01得票数 5
回答已采纳
我有一组自变量，我用Python中的Pearson相关系数计算它们之间的相关矩阵。矩阵的一部分如下所示：
📷
从这个矩阵中，假设我想找出变量NoOfDoors和其余变量之间的强相关成分(Symboling...Compression比率)。我采用的过程是取该列的平均值(计算为0.039604)，在此基础上，我只考虑那些大于0.039604的值。
在此基础上，选定下列变量为强相关变量：
(制造、抽吸、车轮底座、长度、宽度、高度、节流重量、发动机类型、内径、压缩比)
我想问一下，这个选择正确吗？如果是的话，是否有一个有效的方法来做到这一点？如果没有，正确的方法是什么？由于我是这个领域的新手，请给我
浏览 0提问于2019-01-31得票数 1
1回答
我正在尝试将成对的相关性(例如pearson)提取到火花数据中。我希望在进一步的查询和机器学习输入中使用表格式的成对合并。
下面是一个正在运行的示例：
数据：
import org.apache.spark.sql.{SQLContext, Row, DataFrame}
import org.apache.spark.sql.types.{StructType, StructField, StringType, IntegerType, DoubleType}
import org.apache.spark.sql.functions._
// rdd
val rowsRdd: R
浏览 1提问于2017-03-14得票数 0
回答已采纳
1回答
我试图做一些非常简单的事情，计算一个由几个变量组成的Pearson相关矩阵，这些变量作为一个DataFrame的列给出。我希望它忽略nans，并提供p值。scipy.stats.pearsonr是不够的，因为它只对两个变量工作，不能解释nans。应该有更好的东西..。
例如,
df = pd.DataFrame([[1,2,3],[6,5,4],[1,None,9]])
0 1 2
0 1 2.0 3
1 6 5.0 4
2 1 NaN 9
df的列是变量，行是观察的。我想要一个返回3x3相关矩阵的命令，以及相应p值的3
浏览 4提问于2016-08-17得票数 0
回答已采纳
1回答
我在pyspark 2.2上有一个相关矩阵，计算如下：
from pyspark.ml.linalg import Vectors
from pyspark.ml.stat import Correlation
from pyspark.ml.linalg import Vectors
from pyspark.ml.feature import VectorAssembler
datos = sql("""select * from proceso_riesgos.jdgc_bd_train_mn_ingresos""")
Variable
浏览 10提问于2018-08-14得票数 18
我在栅格中有22个预测因子，我想在物种分布建模中使用它们。使用R，我将它们堆叠在一起。现在，我试图确定它们之间的多重共线性，以筛选变量。但是代码花费的时间太长了，并且不确定它何时会返回结果。我有以下代码：
K <- layerStats(p，'pearson'，na.rm=T) ## "p“是栅格堆栈。
有没有人能帮我加速这个过程呢？在上面的步骤之后，我想做相关矩阵和方差膨胀因子。
非常感谢您提前给予的帮助！
桑盖
浏览 1提问于2020-05-26得票数 0
3回答
我有一个包含几个条目的熊猫数据框架，我想计算出某些类型商店的收入之间的相关性。有一些商店有收入数据，活动区域的分类(剧院，布店，食品.)以及其他数据。
我试图创建一个新的数据框架，并插入一个列，其中包含属于同一类别的各种商店的收入，而返回的数据框架只有第一列已填充，其余的列都是NaN的。
corr = pd.DataFrame()
for at in activity:
stores.loc[stores['Activity']==at]['income']
我想这样做，所以我可以使用.corr()给出商店类别之间的相关矩阵。
在此之后，我想知道如何绘制
浏览 0提问于2016-03-01得票数 38
回答已采纳
2回答
我只想对关联矩阵的某个带计算矩阵列之间的相关性。我知道如何得到整个相关矩阵：
X <- matrix(rnorm(20*30), nrow=20)
cor(X)
但如左图所示，我只对主对角线下的一些波段感兴趣。
我可以试着巧妙地子集原始矩阵，只得到在正确的图形中显示的小方格，但这似乎很麻烦。
你对这个问题有更好的主意/解决办法吗？
编辑
我忘了提到这一点，但我很难使用R中的for循环，因为关联矩阵的维数相当大(大约2000*2000)，我必须进行大约100次这个过程。
浏览 3提问于2015-02-05得票数 1
我正在尝试在R中的相关矩阵中仅绘制相关系数大于.6的关系。目前，我正在使用包'corr_test‘运行皮尔逊相关，然后使用'ggcorrplot’创建矩阵。如何修改我的代码，使其仅绘制强于+.6/-.6的相关系数？
下面是我当前的代码：
##New Pearson Correlation Script##
#Load in the stuff you dont have
install.packages("psych")
install.packages("ggcorrplot")
#Load it up
library("psych&#
浏览 0提问于2018-07-09得票数 0
回答已采纳
1回答
我有两个DF有这样的结构：
df1 = pd.DataFrame(np.random.randn(8, 4), columns=['A', 'B', 'C', 'D'])
df2 = pd.DataFrame(np.random.randn(8, 6), columns=['T', 'U', 'V', 'X','Y','Z'])
我想测试DF1的每一列与DF2的每一列之间的相关性('pearson')。然后将所有结果合并
浏览 2提问于2020-03-31得票数 0
回答已采纳
1回答
R中的相关与回归
、、
我想在R中使用快速食品dataset fromopenintro`包执行以下任务。
( a)为Sonic、Subway和Taco Bell中所有项目的卡路里、total_fat、糖和钙之间的关系创建一个相关矩阵，忽略na.omit()中缺少的值。
建立一个回归模型，根据卡路里、钠和蛋白质来预测一家餐馆是McDonalds还是Subway。
( c)对饱和脂肪、纤维和糖的热量进行回归预测。根据标准化回归系数，确定最优预测因子。
这是我的代码：
library(tidyverse)
library(openintro)
library(lm.beta)
fastfood <- open
浏览 1提问于2022-02-25得票数 0
回答已采纳
1回答
我想得到一个与自举置信区间相关的矩阵。
我找到了给出p值和置信区间的相关矩阵的jmv包，但在这种情况下，它们是用Fisher变换计算的。
我发现了如何获得引导置信区间：
library(boot)
Brep = 5000
pearson <- function(d,i=c(1:n)){
d2 <- d[i,]
return(cor(d2$var1,d2$var2))}
bootcorr <- boot(data = data.frame(cbind(var1, var2)), statistic =
pearson ,R=Brep)
ciu <- boot.ci(b
浏览 2提问于2018-07-30得票数 2
回答已采纳
1回答
我对Scala和Spark非常陌生，我无法从评级文件中创建相关矩阵。它类似于，但我在矩阵形式中有稀疏的数据。我的数据如下：
<user-id>, <rating-for-movie-1-or-null>, ... <rating-for-movie-n-or-null>
123, , , 3, , 4.5
456, 1, 2, 3, , 4
...
迄今为止最有希望的代码如下所示：
val corTest = sc.textFile("data/collab_filter_data.txt").map(_.split(",")
浏览 2提问于2015-10-13得票数 1
回答已采纳
我已经发现了完整数据集的指定列之间的相关性：
var_0_to_var_9 = train_df.loc[:, 'var_0':'var_9']
correlation = var_0_to_var_9.corr(method = 'pearson')
print(correlation)
我得到了这样一个相关矩阵：
var_0 var_1 var_2 var_3 var_4 var_5 var_6 \
var_0 1.000000 -0.000544 0.006573
浏览 3提问于2022-10-13得票数 0
回答已采纳
1回答
逐组相关矩阵
、、、
这是我的数据框架
df <- structure(list(g1 = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L), .Label = c("A", "C"), class = "factor"), g2 = structure(c(1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 2L, 2L), .Label = c("a", "b"), class = "factor"), v1 = 1:10, v2 = c(5,
浏览 3提问于2014-05-31得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
