Python中的Spearman等級相關關係

Question

我想使用python和最有可能的scipys實現（scipy.stats.spearmanr）來計算spearman rank correlation。

手頭的數據看起來如下列方式（字典）：

{a:0.3, b:0.2, c:0.2} and {a:0.5, b:0.6, c:0.4} 

要立即將它傳遞給斯皮爾曼模塊，我會爲它們分配的行列，如果我是正確的（降序）：

[1,2,3] and [2,3,1] 

所以現在我要考慮的關係，所以我現在使用的第一載體：

[1,2,2] or [1,2.5,2.5] 

乙這個概念是否正確，以及如何處理這種基於字典的數據的關係。

至於建議由@Jaime的spearmanr功能與價值的作品，但爲什麼這種行爲可能：

In [5]: spearmanr([0,1,2,3],[1,3,2,0]) 
Out[5]: (-0.39999999999999997, 0.59999999999999998) 

In [6]: spearmanr([10,7,6,5],[0.9,0.5,0.6,1.0]) 
Out[6]: (-0.39999999999999997, 0.59999999999999998) 

謝謝！

Answer 1

scipy.stats.spearmanr將計算的行列，你的關心，你只要給它正確的順序中的數據：

>>> scipy.stats.spearmanr([0.3, 0.2, 0.2], [0.5, 0.6, 0.4]) 
(0.0, 1.0) 

如果你有排序的數據，你可以調用它的scipy.stats.pearsonr得到相同的結果。正如下面的例子所顯示的，你嘗試過的任何一種方式都可以，但我認爲[1, 2.5, 2.5]更常見。此外，SciPy的使用從零開始的索引，所以在內部使用會更喜歡[0, 1.5, 1.5]行列：

>>> scipy.stats.pearsonr([1, 2, 2], [2, 1, 3]) 
(0.0, 1.0) 
>>> scipy.stats.pearsonr([1, 2.5, 2.5], [2, 1, 3]) 
(0.0, 1.0)