标称有序列表中的scipy.stats.spearmanr参数是什么？
根据scipy.stats文档中提到的内容，spearman排名相关性有两个array_like，它定义为“...包含多个变量和观察值的数组，每个代表一个变量的观测值向量......”。 但是，大多数实际例子，如斯皮尔曼的维基百科的等级相关系数页面，都计算出两个基本变量之间的相关性，而不是两个有序变量。 如果我想估计两个偏好排序列表有多接近，那么我的参数是多少？ 例如，我们要求两个人在四个项目之间排序。 我们对person_2有[Item_1，Item_3，Item_0，Item_2]，对于person_2有[Item_1，Item_3，Item_2，Item_0]。 显然， 如果这两个有序列表的相关系数接近于1，则可以推断出它们具有相同的偏好 。 所以我们使用斯皮尔曼的等级相关系数。 但输入参数会改变相关系数; 如果我们使用项目顺序相关应该是0.19：
>>> from scipy import stats
>>> stats.spearmanr([1,3,0,2],[1,3,2,0])
SpearmanrResult(correlation=0.19,pvalue=0.80)
但是如果我们使用相关项目的排名列表应该是0.79：
from scipy import stats
>>> stats.spearmanr([2,0,3,1],[3,0,2,1])
SpearmanrResult(correlation=0.79, pvalue=0.20)
但是，对于一个基本变量来说，这并不是真的，例如一个人的智商与每周在电视机前面花费的小时数之间的相关性，这在维基百科中已有解释。 它意味着我们使用的任何（Xi，Yi）或（xi，yi）结果是相同的（p = -0.17）：
>>> from scipy import stats
>>> stats.spearmanr([86,97,99,100,101,103,106,110,112,113],[0,20,28,27,50,29,7,17,6,12])
SpearmanrResult(correlation=-0.17575757575757575, pvalue=0.62718834477648444)
>>> stats.spearmanr([1,2,3,4,5,6,7,8,9,10],[1,6,8,7,10,9,3,5,2,4])
SpearmanrResult(correlation=-0.17575757575757575, pvalue=0.62718834477648444)
根据斯皮尔曼的等级相关系数定义，我们必须排序一个列表并给每个实例提供一个位置编号。 因此，在第二个例子中可以看出，我们使用值列表或等级列表并不重要，但它必须将两个实例列表考虑为一对实例列表，并用名称对每对列表进行调用。 因此，在名义列表中，我们修复一个列表，并在第二个列表中找到每个列表成员的排名，并将此排名置于相同的位置。
在这种情况下，我们必须为每个人找到物品的排名列表，但具有相同的物品订单。 我们选择物品的顺序并不重要。
[Item_0，Item_1，Item_2，Item_3]
person_1：[3,1,4,2]或[2,0,3,1]
person_2：[4,1,3,2]或[3,0,2,1]
>>> stats.spearmanr([3,1,4,2],[4,1,3,2])
SpearmanrResult(correlation=0.79999999999999993, pvalue=0.20000000000000007)
要么：
[Item_1，Item_3，Item_0，Item_2]
person_1：[1,2,3,4]或[0,1,2,3]
person_2：[1,2,4,3]或[0,1,3,2]
>>> stats.spearmanr([1,2,3,4],[1,2,4,3])
SpearmanrResult(correlation=0.79999999999999993, pvalue=0.20000000000000007)
上一篇: What is the scipy.stats.spearmanr's parameters in nominal ordered list?