0
我想要做一些很简单的计算一个Pearson相关矩阵的几个变量,这些变量是作为DataFrame的列给出的。我希望它忽略nans并提供p值。 scipy.stats.pearsonr
是不够的,因为它只适用于两个变量,不能解释nans。应该有什么比这更好的...Pearson与Scipy的多重关联
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的列变量和行的意见。我想要一个返回3x3相关矩阵的命令,以及相应p值的3x3矩阵。我希望它省略无。也就是说,[1,6,1],[2,5,NaN]之间的相关性应该是[1,6]和[2,5]之间的相关性。
必须有一个很好的Pythonic方式来做到这一点,任何人都可以请建议?
这是这两个向量之间的Pearson相关性:[6,5,4] ,[1,无,9]? – cel
谢谢@cel。我希望变量是列和观察结果是行。所以要回答你的问题,[1,6,1],[2,5,NaN]之间的相关应该是[1,6]和[2,5]之间的相关性。我也编辑了这些问题。 – splinter