最早接觸pearson相關系數時，是在大學《概率論與數理統計》課本中，後來從事數據分析挖掘相關的工作，經常會用到評價兩組數據之間的相關性，于是找到了皮爾森（pearson）相關系數。其實，還有一種相關系數斯皮爾曼（spearman）相關系數，肯德爾（kendall）相關系數。
在這三大相關系數中，spearman和kendall屬于等級相關系數亦稱為"秩相關系數"，是反映等級相關程度的統計分析指标。今天先不介紹。
今天先聊一下比較常用的pearson相關系數。
用數學公式表示，皮爾森相關系數等于兩個變量的協方差除于兩個變量的标準差，先看一下公式：
pearson是一個介于-1和1之間的值，用來描述兩組線性的數據一同變化移動的趨勢。
當兩個變量的線性關系增強時，相關系數趨于1或-1；
當一個變量增大，另一個變量也增大時，表明它們之間是正相關的，相關系數大于0；
如果一個變量增大，另一個變量卻減小，表明它們之間是負相關的，相關系數小于0；
如果相關系數等于0，表明它們之間不存在線性相關關系。
pearson相關系數在python中的實現：
1，numpy庫中實現：
相關系數的對角矩陣
2，在scipy中實現，主要是在stats包中實現
得到的結果是一個元組，第一個元素是相關系數，第二個是P值，p-value越小，表示相關程度越顯著。
3，在pandas中運用，日常處理數據都是用pandas，這個當然少不了喽
得到的也是一個相關系數數據
皮爾遜相關系數的适用範圍：
當兩個變量的标準差都不為零時，相關系數才有定義，皮爾遜相關系數适用于：
1. 兩個變量之間是線性關系，都是連續數據。
2. 兩個變量的總體是正态分布，或接近正态的單峰分布。
3. 兩個變量的觀測值是成對的，每對觀測值之間相互獨立。
,更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
