scipy.stats.mstats.

spearmanr

scipy.stats.mstats.spearmanr(x, y=None, use_ties=True, axis=None, nan_policy='propagate', alternative='two-sided')

计算斯皮尔曼等级相关系数和用于检验非相关的p值。

Spearman 相关性是一种非参数的线性关系度量方法，用于两个数据集之间。与 Pearson 相关性不同，Spearman 相关性不假设两个数据集都是正态分布的。与其他相关系数一样，该系数在 -1 到 +1 之间变化，0 表示没有相关性。相关性为 -1 或 +1 表示单调关系。正相关表示随着 x 增加，y 也增加。负相关表示随着 x 增加，y 减少。

缺失值是成对丢弃的：如果 x 中存在缺失值，y 中对应的值将被屏蔽。

p值大致表示一个不相关的系统产生数据集的概率，这些数据集的Spearman相关性至少与从这些数据集中计算出的相关性一样极端。p值并不完全可靠，但对于大于500左右的数据集来说，可能是合理的。

参数:

x, y1D 或 2D 数组类对象，y 是可选的

一个或两个包含多个变量和观测值的1-D或2-D数组。当这些是1-D时，每个数组代表一个单一变量的观测向量。对于2-D情况下的行为，请参见下面的 axis。

use_tiesbool, 可选

请勿使用。不做任何事情，关键词仅出于向后兼容的原因保留。

轴int 或 None, 可选

如果 axis=0（默认），则每一列代表一个变量，行中包含观测值。如果 axis=1，关系将被转置：每一行代表一个变量，而列中包含观测值。如果 axis=None，则两个数组都将被展平。

nan_policy{‘propagate’, ‘raise’, ‘omit’}, 可选

定义当输入包含 nan 时的处理方式。’propagate’ 返回 nan，’raise’ 抛出错误，’omit’ 忽略 nan 值进行计算。默认是 ‘propagate’。

替代方案{‘双侧’, ‘小于’, ‘大于’}, 可选

定义备择假设。默认是’双侧’。以下选项可用：

• ‘双边’: 相关性非零

• ‘less’: 相关性为负（小于零）

• ‘greater’: 相关性为正（大于零）

Added in version 1.7.0.

返回:

res重要性结果

一个包含属性的对象：

统计浮点数或ndarray（2维方阵）

Spearman 相关矩阵或相关系数（如果仅给出两个变量作为参数）。相关矩阵是方形的，其长度等于 a 和 b 中变量总数（列或行）。

p值浮动

假设检验的p值，其零假设是两组数据线性不相关。关于备择假设，请参见上文的 alternative。pvalue 与 statistic 具有相同的形状。

参考文献

[CRCProbStat2000] 第14.7节