Python中时间序列中两个变量的相关性？

Question

如果我有两个不同的数据集，它们是时间序列数据，有没有简单的方法可以在Python中找到这两个数据集之间的相关性呢？

比如说，像下面这样：

# [ (dateTimeObject, y, z) ... ]
x = [ (8:00am, 12, 8), (8:10am, 15, 10) .... ]

我该如何在Python中计算y和z的相关性呢？

Answer 1

你可以通过协方差矩阵或相关系数来实现这个功能。这里有两个链接，分别是协方差的文档和相关系数的文档，前者还提供了一个使用示例（相关系数的用法也很相似）。

>>> x = [ (None, 12, 8), (None, 15, 10), (None, 10, 6) ]
>>> data = numpy.array([[e[1] for e in x], [e[2] for e in x]])
>>> numpy.corrcoef(data)
array([[ 1.        ,  0.99339927],
       [ 0.99339927,  1.        ]])

Answer 2

Scipy 有一个 统计 模块，其中包含相关性函数。

from scipy import stats
# Y and Z are numpy arrays or lists of variables 
stats.pearsonr(Y, Z)

Answer 3

这里有点慢半拍。pandas（http://github.com/wesm/pandas 和 pandas.sourceforge.net）可能是你最好的选择。我有点偏心，因为我是它的作者，不过：

In [7]: ts1
Out[7]: 
2000-01-03 00:00:00    -0.945653010936
2000-01-04 00:00:00    0.759529904445
2000-01-05 00:00:00    0.177646448683
2000-01-06 00:00:00    0.579750822716
2000-01-07 00:00:00    -0.0752734982291
2000-01-10 00:00:00    0.138730447557
2000-01-11 00:00:00    -0.506961851495

In [8]: ts2
Out[8]: 
2000-01-03 00:00:00    1.10436688823
2000-01-04 00:00:00    0.110075215713
2000-01-05 00:00:00    -0.372818939799
2000-01-06 00:00:00    -0.520443811368
2000-01-07 00:00:00    -0.455928700936
2000-01-10 00:00:00    1.49624355051
2000-01-11 00:00:00    -0.204383054598

In [9]: ts1.corr(ts2)
Out[9]: -0.34768587480980645

特别要注意的是，如果你的数据涉及不同的日期，它会计算成对的相关性。而且它还会自动排除那些缺失的数据（NaN值）！