pycorr

Pycorr

Eine einfache Bibliothek zur Berechnung der Korrelation zwischen Variablen. Derzeit bietet Korrelation zwischen nominalen Variablen.

Basierend auf der statistischen Methodik wie Cramer'v und TschuProws können die Korrelation zwischen kategorialen Variablen messen. Die Fähigkeit, die Korrelation in Form von Heatmap zu zeichnen, wird ebenfalls bereitgestellt.

Nutzungsbeispiel

 import pandas as pd
from pycorrcat.pycorrcat import plot_corr, corr_matrix

df = pd.DataFrame([('a', 'b'), ('a', 'd'), ('c', 'b'), ('e', 'd')],
                  columns=['dogs', 'cats'])

correlation_matrix = corr_matrix(data, ['dogs', 'cats'])
plot_corr(df, ['dogs','cats'] )

Entwicklungsaufbau

Erstellen Sie ein Virtualenv und installieren Sie Abhängigkeiten:

• pip install -r requirements.dev.txt
• pip install -r requirements.txt pre-commit install

Führen Sie pre-commit lokal aus, um Dateien zu überprüfen

pre-commit run --all-files

Veröffentlichung Geschichte

• 0,1,4
  • Änderung: Ändern der Dokumentation (keine Codeänderung)
• 0,1,3
  • Fügen Sie hinzu: Fähigkeit, den DataFrame zu übergeben, um eine Korrelationsmatrix zu erhalten
  • Hinzufügen: Fähigkeit, die Korrelation in Form von Heatmap zu zeichnen
• 0,1,2
  • Als erste Version hinzugefügt
• 0,1.1
  • Testveröffentlichung

Autor und Mitwirkender

Anurag Kumar Mishra - Verbinden Sie sich mit Github oder geben Sie eine Post fallen

Unter der GNU -Lizenz verteilt. Weitere Informationen finden Sie LICENSE .

Github Repo Link https://github.com/mavericksds/pycorr

Beitragen

1. Fork It (https://github.com/mavericksds/pycorr)
2. Erstellen Sie Ihre Funktionszweig ( git checkout -b feature/fooBar ).
3. Begehen Sie Ihre Änderungen ( git commit -am 'Add some fooBar' )
4. Drücken Sie in den Zweig ( git push origin feature/fooBar )
5. Erstellen Sie eine neue Pull -Anfrage