标签: correlation

我有一个包含六列的大型数据集(称为A,B,C,D,E,F),大约450,000行.我只是试图找到列之间的相关性A和B:

cor(A, B)

我得到了

[1] NA

结果是.我该怎么做才能解决这个问题？

我想在一个使用中ccf为一个id变量的不同值绘制一些图.问题是返回一个不符合的值.我不关心返回值,只想看实际情节.一些代码:data.tableRccfdata.table

require(data.table)
x <- data.table(id=rep(1:10, each=10), a=rep(1:10,10), b=rep(10:1,10))
x[,ccf(a,b),by=id]
Error in `[.data.table`(x, , ccf(a, b), by = id) : 
All items in j=list(...) should be atomic vectors or lists. If you are trying something like j=list(.SD,newcol=mean(colA)) then use := by group instead (much quicker), or cbind or merge afterwards.

我有一个数据帧df:

df   = pandas.DataFrame(pd.read_csv(loggerfile, header = 2))

values = df.as_matrix()

df2 = pd.DataFrame.from_records(values, index = datetimeIdx, columns = Columns) 

编辑:

现在按照建议的方式读取数据:

df2 = pd.read_csv(loggerfile, header = None, skiprows = [0,1,2])

样品:

                         0              1       2   3   4   5   6   7   8   \
0  2014-03-19T12:44:32.695Z  1395233072695  703425   0   2   1  13   5  21   
1  2014-03-19T12:44:32.727Z  1395233072727  703425   0   2   1  13   5  21   

   9   10  11   12  13   14  15  16  
0  25   0  25  209   0  145   0   0 …

我正在尝试找到一个Python方法/库来测试自变量X和二进制输出Y之间的相关性.

例如,假设我有以下数据和输出:

X            Y
0.65 1
0.11 0
0.13 0
0.35 1
0.21 0
...

假设输出Y如果(X> 0.3)则为1,否则为0.如果我不知道这种相关性(阈值0.3),是否有统计方法/测试来找出X和Y之间的相关程度？

例如,一些返回的方法

x = [0.65, 0.11, 0.13, 0.31, 0.21]
y = [1, 0, 0, 1, 0]
print some_test(x, y)

==> returns "degree of correlation = 1.0"

谢谢

你好我的findCorrelation()函数有问题,这是我的输入和输出:

findCorrelation(train, cutoff = .50, verbose = FALSE)

findCorrelation_exact出错(x = x,cutoff = cutoff,verbose = verbose):相关矩阵不对称

有谁知道为什么会这样？

我正在尝试计算相关矩阵，并根据p值过滤相关性，以找出高度相关的对。

为了解释我的意思，请说我有一个这样的数据框。

df

    A       B       C       D
0   2       NaN     2       -2
1   NaN     1       1       1.1
2   1       NaN     NaN     3.2
3   -4      NaN     2       2
4   NaN     1       2.1     NaN
5   NaN     3       1       1
6   3       NaN     0       NaN

为相关系数。我使用了pd.corr（）。此方法可以处理具有NaN值的数据帧，更重要的是，它可以容忍具有0重叠的列对（列A和列B）：

rho = df.corr()

       A          B            C           D
A   1.000000     NaN       -0.609994    0.041204
B   NaN          1.0       -0.500000    -1.000000
C   -0.609994    -0.5       1.000000    0.988871
D   0.041204     -1.0       0.988871    1.000000

挑战在于计算p值。我没有找到执行此操作的内置方法。但是，从具有统计意义的大熊猫列相关性中，@ BKay提供了一种计算p值的循环方法。如果重叠少于3个，此方法将报告错误。因此我通过添加错误异常进行了一些修改。

ValueError：零大小的数组，直到没有身份的最大缩减操作

pval = rho.copy()
for i …

我有Angular2和Asp.Net Web API应用程序，因此我将Application Insights资源配置为跟踪那些应用程序的自定义遥测。但是我使用了两种不同的AI密钥，一种用于Angular2应用程序，另一种用于Web API应用程序。

我曾经使用关联功能来关联前端调用和Web API调用的两次Applications Insights遥测，但是操作ID不匹配。

您能告诉我如何使用关联功能关联两个AI的前端调用和Web API调用遥测。

我正在尝试实现卷积神经网络,我不明白为什么使用im2col操作更有效.它基本上存储要在不同列中乘以过滤器的输入.但为什么不应该直接使用循环来计算卷积而不是首先执行im2col？

I have the below data:

prop_tenure  prop_12m  prop_6m  
0.00         0.00      0.00   
0.00         0.00      0.00   
0.06         0.06      0.10   
0.38         0.38      0.25   
0.61         0.61      0.66   
0.01         0.01      0.02   
0.10         0.10      0.12   
0.04         0.04      0.04   
0.22         0.22      0.22 

and I am doing a pairplot as below:

sns.pairplot(data)
plt.show()

However I would like to display the correlation coefficient among the variables and if possible the skewness and kurtosis of each variable. I am not sure how to do that in seaborn. Can someone please …

我理解如何计算滚动总和,标准或平均值.例:

df['MA10'] = df['Asset1'].rolling(10).mean()

但我不理解计算两个数据帧列之间的滚动相关性的语法:df['Asset1']和df['Asset2']

该文档未提供有关相关性的任何示例.

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.rolling.html

任何见解？

谢谢!