python技术可行性分析,python可靠性分析

  python技术可行性分析,python可靠性分析

  使用python进行显著性分析,实验数据是朋友的,嗯,植物实验,相关数据已经编码。最右边一栏是spss的显著性分析结果。

  代码的最终假设是,它可以实现与SPSS相同或相似的结果。

  使用的库是

  用于处理数据(皮尔逊相关系数)的一点介绍

  熊猫阅读Excel表格

  将scipy.stats导入为stats将pandas导入为PD def I _ max (l): #查找范围内I的最大数m=0的下标(len(l)):if l[I]l[m]:m=I return MD=[]# Back data ave=[]# Back required average Excel=PD . data frame(PD . Read _ Excel(~/desktop/a . xlsx )#读取范围内I的Excel文件(0,34,3):t=[]ave . append(float(Excel . iloc[I,5]) 3])d . append(t)index=[I _ max(ave)]ALP=[ a ,B , c , d , e , f ]for I in range(len(d)-1):j=I _ max(ave)#求最大数ave[j]=0.0的序号#把这个数记为0.0,下次就不是最大的了。 其实是开头第二大的数,但是我们把它标为0.0,下次就可以找到这个数了。index.append(k) #记录每次比较的两个结果的序号R,p=stats。Pearsonr (d [j],d [k]) # Pearsonr函数为Pearson相关系数,返回两个值,其中r为相关系数,P为显著系数print(j 1,k 1,r,p)#目前前四个结果与SPSS相同,后面的不同结果会慢慢找到原因,然后修正#结果:10 ^ 4-0.104-0,24389516847,5 0,56005,56004

  ——————————

  好吧,我坦白,我不填坑了。我真的不明白。先弃坑。

  历史提交的图片或压缩文件

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。

留言与评论(共有 条评论)
   
验证码: