Beräkna Pearsons korrelationskoefficient

Som nämndes i videon är Pearsons korrelationskoefficient – även kallad Pearsons r – ofta lättare att tolka än kovariansen. Den beräknas med funktionen np.corrcoef(). Precis som np.cov() tar den emot två arrayer som argument och returnerar en tvådimensionell array. Elementen [0,0] och [1,1] är alltid lika med 1 (kan du lista ut varför?), och värdet vi söker finns i elementet [0,1].

I den här övningen skriver du en funktion, pearson_r(x, y), som tar emot två arrayer och returnerar Pearsons korrelationskoefficient. Sedan använder du funktionen för att beräkna koefficienten för kronbladsläng och kronbladsbredd hos I. versicolor.

Som tidigare har vi inkluderat det spridningsdiagram du skapade i en tidigare övning, som en påminnelse om sambandet mellan kronbladsbredd och kronbladelängd.

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 1)

Visa kurs

Övningsinstruktioner

Definiera en funktion med signaturen pearson_r(x, y).
- Använd np.corrcoef() för att beräkna korrelationsmatrisen för x och y (skicka in dem till np.corrcoef() i den ordningen).
- Funktionen returnerar elementet [0,1] i korrelationsmatrisen.
Beräkna Pearsons korrelation mellan datan i arrayerna versicolor_petal_length och versicolor_petal_width. Tilldela resultatet till r.
Skriv ut resultatet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

def ____(____, ____):
    """Compute Pearson correlation coefficient between two arrays."""
    # Compute correlation matrix: corr_mat


    # Return entry [0,1]
    return corr_mat[0,1]

# Compute Pearson correlation coefficient for I. versicolor: r


# Print the result

Redigera och kör kod