<\/p>\n
De correlatieco\u00ebffici\u00ebnt van Pearson<\/a> kan worden gebruikt om de lineaire associatie tussen twee variabelen te meten.<\/span><\/p>\n Deze correlatieco\u00ebffici\u00ebnt heeft altijd een waarde tussen -1<\/strong> en 1<\/strong> waarbij:<\/span><\/p>\n Om te bepalen of een correlatieco\u00ebffici\u00ebnt statistisch significant is, kun je de bijbehorende t-score en p-waarde berekenen.<\/span><\/p>\n De formule voor het berekenen van de t-score van een correlatieco\u00ebffici\u00ebnt (r) is:<\/span><\/p>\n t = r\u221a n-2<\/span> \/ \u221a 1-r 2<\/sup><\/span><\/span><\/p>\n De p-waarde wordt berekend als de overeenkomstige tweezijdige p-waarde voor de t-verdeling met n-2 vrijheidsgraden.<\/span><\/p>\n Om de p-waarde van een Pearson-correlatieco\u00ebffici\u00ebnt in panda’s te berekenen, kunt u de functie Pearsonr()<\/strong> uit de SciPy-<\/strong> bibliotheek gebruiken:<\/span><\/p>\n Deze functie retourneert de Pearson-correlatieco\u00ebffici\u00ebnt tussen de kolommen kolom 1<\/strong> en kolom 2<\/strong> samen met de bijbehorende p-waarde die ons vertelt of de correlatieco\u00ebffici\u00ebnt statistisch significant is of niet.<\/span><\/p>\n Als u de p-waarde voor de Pearson-correlatieco\u00ebffici\u00ebnt van elke mogelijke paarsgewijze combinatie van kolommen in een DataFrame wilt berekenen, kunt u hiervoor de volgende aangepaste functie gebruiken:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u in de praktijk p-waarden voor correlatieco\u00ebffici\u00ebnten kunt berekenen met de volgende panda’s DataFrame:<\/span><\/p>\n De volgende code laat zien hoe u de Pearson-correlatieco\u00ebffici\u00ebnt en de bijbehorende p-waarde voor de x-<\/strong> en y-<\/strong> kolommen van het DataFrame berekent:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Omdat de correlatieco\u00ebffici\u00ebnt positief is, geeft dit aan dat er een positief lineair verband bestaat tussen de twee variabelen.<\/span><\/p>\n Omdat de p-waarde van de correlatieco\u00ebffici\u00ebnt echter niet kleiner is dan 0,05, is de correlatie niet statistisch significant.<\/span><\/p>\n Merk op dat we ook de volgende syntaxis kunnen gebruiken om de p-waarde uit de correlatieco\u00ebffici\u00ebnt te extraheren:<\/span><\/p>\n De p-waarde voor de correlatieco\u00ebffici\u00ebnt is 0,2296<\/strong> .<\/span><\/p>\n Dit komt overeen met de p-waarde van de vorige uitvoer.<\/span><\/p>\n De volgende code laat zien hoe u de Pearson-correlatieco\u00ebffici\u00ebnt en de bijbehorende p-waarde kunt berekenen voor elke paarsgewijze combinatie van kolommen in het panda’s DataFrame:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Merk op dat we de p-waarden in onze aangepaste functie hebben afgerond op vier decimalen.<\/span><\/p>\n Voel je vrij om de 4<\/strong> in de laatste regel van de functie te vervangen door een ander getal om af te ronden op een ander aantal decimalen.<\/span><\/p>\n Opmerking<\/strong> : u kunt hier<\/a> de volledige documentatie voor de SciPy- peasonr()<\/strong> -functie vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende panda-taken kunt uitvoeren:<\/span><\/p>\n Hoe de correlatie per groep in Panda’s te berekenen<\/a> De correlatieco\u00ebffici\u00ebnt van Pearson kan worden gebruikt om de lineaire associatie tussen twee variabelen te meten. Deze correlatieco\u00ebffici\u00ebnt heeft altijd een waarde tussen -1 en 1 waarbij: -1 : Perfect negatieve lineaire correlatie tussen twee variabelen. 0 : Geen lineaire correlatie tussen twee variabelen. 1: Perfect positieve lineaire correlatie tussen twee variabelen. Om te bepalen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4300","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
from<\/span> scipy. stats<\/span> import<\/span> pearsonr\n\npearsonr(df[' column1<\/span> '], df[' column2<\/span> '])\n<\/strong><\/pre>\n def<\/span> r_pvalues(df):\n cols = pd. DataFrame<\/span> (columns= df.columns<\/span> )\n p = cols. transpose<\/span> (). join<\/span> (cols, how=' outer<\/span> ')\n for<\/span> r in<\/span> df. columns<\/span> :\n for<\/span> c in<\/span> df. columns<\/span> :\n tmp = df[df[r]. notnull<\/span> () & df[c]. notnull<\/span> ()]\n p[r][c] = round(pearsonr(tmp[r], tmp[c])[1], 4)\n return<\/span> p\n<\/strong><\/span><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' x<\/span> ': [4, 5, 5, 7, 8, 10, 12, 13, 14, 15],\n ' y<\/span> ': [10, 12, 14, 18, np.nan, 19, 13, 20, 14, np.nan],\n ' z<\/span> ': [20, 24, 24, 23, 19, 15, 18, 14, 10, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n X Y Z\n0 4 10.0 20\n1 5 12.0 24\n2 5 14.0 24\n3 7 18.0 23\n4 8 NaN 19\n5 10 19.0 15\n6 12 13.0 18\n7 13 20.0 14\n8 14 14.0 10\n9 15 NaN 12\n<\/strong><\/span><\/pre>\n Voorbeeld 1: Bereken de P-waarde voor de correlatieco\u00ebffici\u00ebnt tussen twee kolommen in Panda’s<\/strong><\/span><\/h2>\n
from<\/span> scipy. stats<\/span> import<\/span> pearsonr\n\n#drop all rows with NaN values\n<\/span>df_new = df. dropna<\/span> ()\n\n#calculation correlation coefficient and p-value between x and y\n<\/span>pearsonr(df_new[' x<\/span> '], df_new[' y<\/span> '])\n\nPearsonRResult(statistic=0.4791621985883838, pvalue=0.22961622926360523)\n<\/strong><\/span><\/pre>\n\n
#extract p-value of correlation coefficient\n<\/span>pearsonr(df_new[' x<\/span> '], df_new[' y<\/span> '])[1]\n\n0.22961622926360523\n<\/strong><\/span><\/pre>\n Voorbeeld 2: Bereken de P-waarde voor de correlatieco\u00ebffici\u00ebnt tussen alle kolommen in Panda’s<\/strong><\/span><\/h2>\n
#create function to calculate p-values for each pairwise correlation coefficient<\/span>\ndef<\/span> r_pvalues(df):\n cols = pd. DataFrame<\/span> (columns= df.columns<\/span> )\n p = cols. transpose<\/span> (). join<\/span> (cols, how=' outer<\/span> ')\n for<\/span> r in<\/span> df. columns<\/span> :\n for<\/span> c in<\/span> df. columns<\/span> :\n tmp = df[df[r]. notnull<\/span> () & df[c]. notnull<\/span> ()]\n p[r][c] = round(pearsonr(tmp[r], tmp[c])[1], 4)\n return<\/span> p\n\n#use custom function to calculate p-values\n<\/span>r_pvalues(df)\n\n X Y Z\nx 0.0 0.2296 0.0005\ny 0.2296 0.0 0.4238\nz 0.0005 0.4238 0.0<\/strong><\/span><\/pre>\n\n
Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe de glijdende correlatie bij panda’s te berekenen<\/a>
Hoe de Spearman-rangcorrelatie bij panda’s te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"