Pythonでの相関関係の調査

相関は、2つの変数間の関係を測定するための統計用語です。関係が文字列である場合、ある変数の変化が別の変数の変化を予測可能なパターンで反映していることを意味し、変数は相関していると言います。さらに、第１の変数の変動は、第２の変数に正または負の変動を引き起こす可能性がある。したがって、それらは正または負の相関関係にあると言われます。理想的には、相関係数の値は-1から+1の間で変化します。

• 値が+1またはそれに近い場合、変数は正の相関関係にあると言います。そして、それらは同時に同じ方向に変化します。
• 値が-1またはそれに近い場合、変数は負の相関関係にあると言います。そして、それらは同時に反対方向に変化します。
• 値が0またはそれに近い場合、変数は相関していないと言います。

相関係数を測定する方法はいくつかあります。これらは、numpyまたはscipy.statsの関数として使用できます。以下に、それらがどのように使用されるかを示します。

スピアマンの相関係数の使用

スピアマンの相関は、線形に関連する変数間の関係の程度を測定することです。これは、scipy.statsパッケージが結果を生成するために使用する式に基づいています。これは、相関関係を見つけるために最も広く使用されている式です。

以下の例では、numpy.randon（）関数を使用して値が生成される2つの変数を使用します。次に、spearmanr（）を適用して、最終結果を取得します。

例

from numpy.random import randn
from numpy.random import seed
from scipy.stats import spearmanr
seed(1)
data_input1 = 20 * randn(1000) + 100
data_input2 = data_input1 + (10 * randn(1000) + 50)
correlation = spearmanr(data_input1, data_input2)
   print(correlation)

出力

上記のコードを実行すると、次の結果が得られます-

SpearmanrResult(correlation=0.8724050484050484, pvalue=1.58425746359e-312)

ピアソンの相関を使用する

ピアソンの相関は、線形に関連する変数間の関係の程度を測定するもう1つの方法です。これは、scipy.statsパッケージが結果を生成するために使用する式に基づいています。

以下の例では、numpy.randon（）関数を使用して値が生成される2つの変数を使用します。次に、pearsonr（）を適用して、最終結果を取得します。

例

from numpy.random import randn
from numpy.random import seed
from scipy.stats import pearsonr
seed(1)
data1 = 20 * randn(1000) + 100
data2 = data1 + (10 * randn(1000) + 50)
correlation, _ = pearsonr(data1, data2)
print('Pearsons correlation: %.3f' % correlation)

出力

上記のコードを実行すると、次の結果が得られます-

Pearsons correlation: 0.888