统计数据类型与对应的相关性分析方法

Posted 2023-04-25

统计数据类型与对应的相关性分析方法在统计学中，统计数据主要可分为四种类型，分别是定类数据，定序数据，定距数据，定比变量。1 定类数据

参考技术A 统计数据类型与对应的相关性分析方法
在统计学中，统计数据主要可分为四种类型，分别是定类数据，定序数据，定距数据，定比变量。
1.定类数据（Nominal）：名义级数据，数据的最低级，表示个体在属性上的特征或类别上的不同变量，仅仅是一种标志，没有序次关系。例如， ”性别“，”男“编码为1，”女“编码为2。定类变量之间的相关系数，只能以变量值的次数来计算，常用λ系数法；2.定序数据（Ordinal）:数据的中间级，用数字表示个体在某个有序状态中所处的位置，不能做四则运算。例如，“受教育程度”，文盲半文盲=1，小学=2，初中=3，高中=4，大学=5，硕士研究生=6，博士及其以上=7。定序变量的相关性测量常用Gamma系数法和Spearman系数法；3.定距数据（Interval）:具有间距特征的变量，有单位，没有绝对零点，可以做加减运算，不能做乘除运算。例如，温度。定距变量的相关性测量常用Pearson系数法；4.定比变量（Ratio）:数据的最高级，既有测量单位，也有绝对零点，例如职工人数，身高。一般来说，数据的等级越高，应用范围越广泛，等级越低，应用范围越受限。不同测度级别的数据，应用范围不同。等级高的数据，可以兼有等级低的数据的功能，而等级低的数据，不能兼有等级高的数据的功能。

Python库Numpy中的数据类型与OpenCV中数据类型的对应关系以及改写相关代码时需注意的地方

我们知道，C++—OpenCV中的MAT类的对象相当于Python的Numpy库中的ndarray对象。
事实上，在Python-OpenCV中也就是把Numpy库中的ndarray对象当成C++—OpenCV中的MAT类的对象来使的。
比如Python-OpenCV中读取图像时，Python-OpenCV会先将图像读取到ndarray对象中，然后可利用OpenCV或NumPy中的函数对其进行操作。

虽然Python并不是强制类型语言，但是数据类型问题也是关乎我们代码是否能正常运行的关键因素之一，所以我们要知道Numpy中的数据类型，即dtype与OpenCV的数据类型的对应关系如何，这样才方便我们的图像处理程序在C++与Python中的相互移植与改写。

那么Python库Numpy中的数据类型与OpenCV中数据类型的对应关系是怎么样的呢？
下面这张图就是答案：

接下来是OpenCV的C++程序改写成Python程序时要注意的地方。
一个总体的原则是：
如果在Python中需要设置数据类型的参数所在的函数是Numpy库中的函数，则使用’uint8、int8、uint16、int16、int32、float32、float64’等由Numpy库定义的数据类型名。
如果在Python中需要设置数据类型的参数所在的函数是OpenCV库中的函数，则使用CV_8U、CV_8S、CV_16U、CV_16S、CV_32S、CV_32F、CV_64F等数据类型名。
示例如下：

# !/usr/bin/env python
# -*- coding: utf-8 -*-
# OpenCV的版本为4.1

import numpy as np
import cv2 as cv

A = np.ones((5, 5), dtype='uint8')

B = A*50

c = cv.subtract(A, B, dst=None, mask=None, dtype=cv.CV_16S)

在上面的代码中：
函数ones()是Numpy中的函数，所以其第二个参数在设置数据类型时要用‘uint8’，而不能用cv.CV_8U;
函数subtract()是OpenCV中的函数，所以其第四个参数在设置数据类型时要用‘cv.CV_16S’，而不能用uint8。

延伸阅读：Numpy中的常用数据类型有哪些?它们的范围是多少？