Corrélation de rang de Spearman en Python avec des liens

Question

Je veux calculer le spearman rank correlation en utilisant python et l'implémentation de scipys la plus probable (scipy.stats.spearmanr).

Les données à la main ressemble par exemple, de la manière suivante (dictionnaires):

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

Pour maintenant passer sur le module de Spearman, je leur assigne les rangs, si je ne me trompe pas (décroissant):

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

alors maintenant, je veux examiner les liens, donc je l'utiliser maintenant pour le premier vecteur:

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

B Asiquement, tout ce concept est-il correct et comment gérer les liens pour de telles données basées sur un dictionnaire.

Comme le suggère @Jaime la fonction spearmanr fonctionne avec des valeurs, mais pourquoi est-ce comportement possible:

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) 

Merci!

Answer 1

scipy.stats.spearmanr se chargera de calculer les rangs pour vous, il vous suffit de donner les données dans l'ordre correct:

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

Si vous avez les données classées, vous pouvez appeler scipy.stats.pearsonr sur elle pour obtenir le même résultat. Et comme le montrent les exemples ci-dessous, l'une ou l'autre des façons que vous avez essayé fonctionnera, bien que je pense que [1, 2.5, 2.5] est plus commun. En outre, scipy utilise l'indexation de base zéro, de sorte que les rangs utilisés en interne sera plus comme [0, 1.5, 1.5]:

>>> 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)