در این مطلب، ویدئو پایتون – همبستگی اسپیرمن (مقدار و تست) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:54
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:01,120 –> 00:00:02,960
خوش آمدید در این ویدئو به
2
00:00:02,960 –> 00:00:04,240
شما نشان می دهم که چگونه می توانید
3
00:00:04,240 –> 00:00:06,000
ردیف اسپیرمن را که به نام
4
00:00:06,000 –> 00:00:07,919
همبستگی مرتبه
5
00:00:07,919 –> 00:00:10,160
نیزه داران معروف است، همبستگی رتبه اسپیرمن یا همبستگی اسپیرمن
6
00:00:10,160 –> 00:00:11,280
7
00:00:11,280 –> 00:00:14,400
با استفاده از پایتون 3 تعیین کنید و من این کار را در آزمایشگاه مشتری انجام می دهم،
8
00:00:14,400 –> 00:00:17,520
اکنون
9
00:00:17,520 –> 00:00:19,600
یک ضریب همبستگی است که من
10
00:00:19,600 –> 00:00:21,119
اگر من
11
00:00:21,119 –> 00:00:22,960
یک متغیر ترتیبی و مقیاسی داشته باشم،
12
00:00:22,960 –> 00:00:24,960
بحث هایی وجود دارد که آیا این بهترین است یا
13
00:00:24,960 –> 00:00:25,760
نه، اما
14
00:00:25,760 –> 00:00:28,960
این موردی است که من از آن استفاده می کنم
15
00:00:28,960 –> 00:00:30,960
بین منهای یک و به علاوه
16
00:00:30,960 –> 00:00:34,160
یک متغیر است، صفر کامل به این معنی است که
17
00:00:34,160 –> 00:00:35,440
اصلاً رابطه ای
18
00:00:35,440 –> 00:00:37,840
وجود ندارد. و یک رابطه کامل
19
00:00:37,840 –> 00:00:39,840
20
00:00:39,840 –> 00:00:42,719
برای دیدن اینکه آیا مقدار به صفر نزدیکتر است یا
21
00:00:42,719 –> 00:00:44,879
یک ریمان ریمان پارکر، این
22
00:00:44,879 –> 00:00:48,079
جدول تفسیر قانون سرانگشتی را پیشنهاد می کند
23
00:00:48,079 –> 00:00:49,920
تا به شما نشان دهد چگونه این کار با پایتون انجام می شود،
24
00:00:49,920 –> 00:00:51,199
من به یک مثال نیاز دارم،
25
00:00:51,199 –> 00:00:53,680
بنابراین مثال را بارگذاری می کنم. فایل به عنوان
26
00:00:53,680 –> 00:00:55,600
قاب داده آویز است، بنابراین
27
00:00:55,600 –> 00:00:57,760
اگر قبلاً از پانداها استفاده نکردهاید، ابتدا پانداها را وارد
28
00:00:57,760 –> 00:00:59,039
29
00:00:59,039 –> 00:01:01,520
30
00:01:01,520 –> 00:01:02,320
31
00:01:02,320 –> 00:01:05,760
32
00:01:05,760 –> 00:01:09,200
میکنم.
33
00:01:09,200 –> 00:01:10,880
فایلی که دارای داده هایی است
34
00:01:10,880 –> 00:01:13,600
که سر فقط پنج رکورد اول را نشان می دهد
35
00:01:13,600 –> 00:01:14,880
36
00:01:14,880 –> 00:01:17,600
این یک نظرسنجی در بین دانش آموزان در مورد
37
00:01:17,600 –> 00:01:20,159
انواع چیزها از یک درس بود
38
00:01:20,159 –> 00:01:22,240
و فیلد ترتیبی که من
39
00:01:22,240 –> 00:01:24,320
از این یکی استفاده خواهم کرد انگیزه تدریس است
40
00:01:24,320 –> 00:01:26,159
که اگر معلم بود قادر به ایجاد انگیزه
41
00:01:26,159 –> 00:01:27,040
در دانش آموز
42
00:01:27,040 –> 00:01:28,960
و به عنوان یک متغیر مهارت نمره کلی است
43
00:01:28,960 –> 00:01:30,560
که نمره ای است که
44
00:01:30,560 –> 00:01:32,720
دانش آموزان به درس داده اند
45
00:01:32,720 –> 00:01:35,200
، آنها را به عنوان دو متغیر جداگانه بارگذاری می
46
00:01:35,200 –> 00:01:36,159
47
00:01:36,159 –> 00:01:37,680
کنم، بنابراین مجبور نیستم هر بار آنها را انتخاب کنم،
48
00:01:37,680 –> 00:01:39,520
49
00:01:39,520 –> 00:01:43,040
اجازه دهید کمی نگاه کنیم. در گزینهها،
50
00:01:43,040 –> 00:01:46,399
بنابراین اکنون در اینجا میبینم که اینها در واقع
51
00:01:46,399 –> 00:01:48,880
برچسبها بودند نه اعداد و ما
52
00:01:48,880 –> 00:01:50,320
باید آنها را به اعداد منتقل کنیم،
53
00:01:50,320 –> 00:01:53,360
بنابراین کاری که میتوانید انجام دهید این است که
54
00:01:53,360 –> 00:01:55,759
بتوانید یک کدگذاری به عنوان یک فرهنگ لغت ایجاد کنید
55
00:01:55,759 –> 00:01:58,719
تا براکتهای فرفری و سپس من
56
00:01:58,719 –> 00:02:01,119
کاملاً مخالفم استفاده کنم. یک و کاملاً موافق
57
00:02:01,119 –> 00:02:02,479
پنج است
58
00:02:02,479 –> 00:02:05,280
اگر من آن کدگذاری را داشته باشم، میتوانم یک
59
00:02:05,280 –> 00:02:05,920
متغیر
60
00:02:05,920 –> 00:02:10,000
جدید، یک فیلد جدید بسازم که با انگیزه معلم دوباره
61
00:02:10,000 –> 00:02:11,038
کدگذاری شود
62
00:02:11,038 –> 00:02:14,000
و سپس میتوانم به سادگی مقادیر را جایگزین کنم، به
63
00:02:14,000 –> 00:02:16,400
این ترتیب مقادیر اصلی خود را نیز دست نخورده نگه دارم،
64
00:02:16,400 –> 00:02:17,599
65
00:02:17,599 –> 00:02:19,440
بیایید نگاهی گذرا بیندازیم.
66
00:02:19,440 –> 00:02:21,440
با شمارش مقادیر کار کرد و در
67
00:02:21,440 –> 00:02:24,160
واقع 20 دانش آموز به آن نمره 1 دادند
68
00:02:24,160 –> 00:02:26,720
که کاملاً مخالف بود،
69
00:02:26,720 –> 00:02:28,239
اکنون چند بسته مختلف وجود دارد
70
00:02:28,239 –> 00:02:30,160
که می توانیم
71
00:02:30,160 –> 00:02:32,640
برای مثال از تابع خود پاندا یا
72
00:02:32,640 –> 00:02:33,599
علمی تخیلی استفاده
73
00:02:33,599 –> 00:02:35,200
کنیم، اما پس از آن باید
74
00:02:35,200 –> 00:02:37,519
مقادیر از دست رفته را حذف کنیم و بیایید به سادگی یک
75
00:02:37,519 –> 00:02:39,440
قاب داده جدید فقط با آن دو
76
00:02:39,440 –> 00:02:40,879
متغیر
77
00:02:40,879 –> 00:02:43,280
یا دو فیلد در صورت تمایل ایجاد کنیم و سپس
78
00:02:43,280 –> 00:02:46,080
مقادیر از دست رفته را رها کنیم،
79
00:02:46,080 –> 00:02:48,800
اکنون کاری که می توانیم با پانداها انجام دهیم این است که به سادگی
80
00:02:48,800 –> 00:02:49,200
از
81
00:02:49,200 –> 00:02:51,760
new df we preloaded pandas استفاده کنیم و سپس
82
00:02:51,760 –> 00:02:52,800
از هسته تابع استفاده کنیم
83
00:02:52,800 –> 00:02:56,080
و مشخص کنیم که ما spearman را می خواهیم
84
00:02:56,080 –> 00:02:57,040
و این باید
85
00:02:57,040 –> 00:02:59,760
ضریب همبستگی نعناع را به ما بدهد
86
00:02:59,760 –> 00:03:00,959
و در
87
00:03:00,959 –> 00:03:04,000
این مورد 0.7872 است،
88
00:03:04,000 –> 00:03:06,239
توجه کنید که دو بار آنجا را می بینید زیرا
89
00:03:06,239 –> 00:03:08,319
انگیزه معلم
90
00:03:08,319 –> 00:03:11