自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

weixin_46847902的博客

博客等级

码龄5年

关注

私信

Cplex Python API 的下载和安装
Qbbbbbbbbb: 请问学术版api对于python的版本有没有限制？python3.10可以吗
Cplex Python API 的下载和安装
qq_41046890: 社区版和非社区版的区别只是在于不能求大规模吗，在小规模问题上的性能是一样的吗？
英文写作—Grammarly安装及下载
Flores_X: 同我也没找着
英文写作—Grammarly安装及下载
[email protected]: -take a quick tour这个没有啊
Python进行相关分析
2301_79650442: import pandas as pd import numpy as np from sklearn.datasets import load_iris from scipy.stats import pearsonr X=load_iris().data #1 使用numpy来求皮尔森相关系数 #rowvar=False时计算的是列与列之间(即随机变量)的相关性 result_1=np.corrcoef(X,rowvar=False) #2 使用pandas中corr()来计算相关性 result_2=pd.DataFrame(X).corr() #3 按照皮尔森计算公式来求 result_3=np.zeros((X.shape[1],X.shape[1])) for i in range(X.shape[1]): for j in range(X.shape[1]): std_i,std_j=np.std(X[:,i]),np.std(X[:,j]) cov_ij=np.mean(X[:,i]*X[:,j])-X[:,i].mean()*X[:,j].mean() result_3[i,j]=cov_ij/(std_i*std_j) #4 使用scipy.stats.pearsonr来实现。该函数不仅返回相关系数，还会返回p-value值。 result_4=np.zeros((X.shape[1],X.shape[1])) for i in range(X.shape[1]): for j in range(X.shape[1]): result_4[i,j],_=pearsonr(X[:,i],X[:,j])