7. SciPy 笔记

1. 安装

pip install scipy

2. 滤波器（signal）

1. 巴特沃斯滤波器

   1. 函数

      scipy.signal.butter(N, Wn, btype='low', analog=False, output='ba', fs=None)
      

   2. 参数

      1. 滤波器阶数 N
      2. 归一化截至频率 Wn=2 *截止频率/采样频率
      3. 滤波器类别 btype（可选）: 'lowpass' 'highpass' 'bandpass' 'bandstop'
      4. 模拟/数字信号 analog（可选）: True / False(default)

   3. 代码

      from scipy import signal
      
      def flt(data):
          """
          低通滤波
          :param data: data need to be filtered
          :return: filtered data
          """
          # noinspection PyTupleAssignmentBalance
          b, a = signal.butter(8, 0.2, 'lowpass')
          out = signal.filtfilt(b, a, data)
          return out
      

   • 参考链接🔗 (opens new window)

3. 相关性分析

1. 相关性系数：其范围（-1，1），正值表示正相关，负值表示负相关，0 表示不相关

2. Pearson 皮尔逊

   两个变量中的任意一个不能一成不变，即标准差为 0

   from scipy.stats import pearsonr
   # pear：pearson 相关系数
   # p：p 值越小，表示相关系数越显著，一般 p 值在 500 个样本以上时有较高的可靠性
   pear, p = pearsonr(x, y)
   

3. Spearman 斯皮尔曼

   没有数据条件要求，使用较广

   from scipy.stats import spearmanr
   rho, p = spearmanr(x, y)
   

4. Kendall 肯德尔

   计算对象是分类变量

   from scipy.stats import kendalltau
   tau, p = kendalltau(x, y)
   

5. 参考 统计学之三大相关性系数🔗 (opens new window)