質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.92%

Excelから得られた2変数のデータ群に対しSpearsonの順位相関係数とp値を算出したい

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 165

masabassii94

score 6

前提・実現したいこと

Python、統計学初心者の者です。
仕事の関係で、下記のことをPythonで実現したいと考えております。

① 日別の2変数のデータを表計算ソフト(csvデータ)から取得する
② Spearsonの順位相関係数とp値を算出する

発生している問題・エラーメッセージ

まず、お弁当の需要予測(https://signate.jp/competitions/24)のデータを用いて、
上記の手法をトライしました。
気温(temperature)と売り上げ(y)で、Spearsonの順位相関係数とp値を算出しました。
Python初心者で思い通りのコードを書くことはできないので、
インターネットからコードのコピペを組み合わせて試行錯誤しました。
(https://qiita.com/dacciinfo/items/88debe69f9f4e927aafc)

無事に結果は出ましたが、これであっているか自信がありません。
コードに誤りがあればご教授いただければ幸甚です。

該当のソースコード

# 1. 必要なライブラリの読み込み
import pandas as pd
import statsmodels.formula.api as smf
import statsmodels.api as sm
from scipy.stats import spearmanr

# 2. 使用するデータの読み込み
df = pd.read_csv("Desktop/Pyhton memo/trainmoji.csv", encoding="shift-jis")


# 3. 相関係数として使用するパラメータをxとyに代入(質的変数でも代入できるようにget_dummiesを使用)
y = df['y'] 
x = pd.get_dummies(df[['temperature']]) 


# 4. Spearsonの順位相関係数とp値を算出する
correlation, pvalue = spearmanr(x,y)
print("相関係数", correlation)   
print("p値",pvalue)

補足情報(FW/ツールのバージョンなど)

解析結果のスクリーンショットを添付しておりますイメージ説明

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

今回は結果は間違ってないと思いますが推奨される書き方ではありません。

# 3. 相関係数として使用するパラメータをxとyに代入(質的変数でも代入できるようにget_dummiesを使用)
y = df['y'] 
x = pd.get_dummies(df[['temperature']])


ただここの意味がわかりません。
連続値の'temperature'を指定しつつ「質的変数でも代入できるようにget_dummiesを使用」がわかりません。
無意味で余計な関数を挟むとバグの温床になるので避けたほうがいい書き方だと思います。

ここに temperature ではなく質的変数が入ってきてカテゴリが複数あるとダミー変数化して 

correlation, pvalue = spearmanr(x,y)


でエラーになります。

つまり、
連続変数が入ってくると無駄にget_dummiesされる
質的変数が入ってくるとspearmanrの計算が(たまたまカテゴリが1つのみ以外)出来ない
よって、このコードは推奨されません。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/07/13 07:59

    ありがとうございます。
    不必要にget_dummiesは使わないようにします。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.92%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る