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。