相关系数 python,python求相关性系数

　　最近在看地理建模的题目，里面提到了建立回归模型后相关系数的计算；当时对相关系数是从原始数据算出来的还是从回归拟合数据算出来的还有些怀疑。

　　后来觉得应该是从原始数据算出来的。回归方程计算出的x和y必须在一条直线上，相关系数直接为1。虽然想法有些诚实坦率，但是为了验证和途中写代码，还是用Python计算了相关系数。

　　提前的数据整理成csv格式，四列分别是ID、原Y、原X、拟合Y。

　　X和Y的原始散点图显示X和Y是线性相关的。因此，可以建立线性回归模型。

　　这是计算相关系数的公式。相应地计算相关性。

　　根据公式编写计算代码：

　　从numpy导入panda作为PD导入mean #相关系数计算公式def R_Square(x，y): p1=x2=y2=0.0 #计算平均值x_=mean(x) y_=mean(y) #循环读取每个值， 计算范围内I对应值的累计和(len(X)):P1=(X[I]-X _)*(y[I]-y _)x2=(X[I]-X _)* * 2 Y2=(y[I]-y _)* * 2 #打印Y2) #计算相关系数R=P1/((x2 * * 0.5) * (y2 * * 0.5))返回R #读取数据DF=pd.read _ csv (data.csv ，编码= UTF-8) X=DF [x]。 Tolist(结果在意料之中。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。