【统计学】三大相关系数之斯皮尔曼相关系数（spearman correlation coefficient）

斯皮尔曼相关系数是统计学中三大相关系数之一
具有非常好的使用场景，对于解决我们生活中的排名类的问题时使用的比较多，其实大家更多的知道的相关系数是皮尔逊（person）相关系数，这个相关系数我们也会在后面的文章中介绍。
一、斯皮尔曼相关系数的使用场景：
斯皮尔曼等级相关（Spearman’s correlation coefficient for ranked data）主要用于解决名称数据和顺序数据相关的问题。适用于两列变量，而且具有等级变量性质具有线性关系的资料。由英国心理学家、统计学家斯皮尔曼根据积差相关的概念推导而来，一些人把斯皮尔曼等级相关看做积差相关的特殊形式。
二、斯皮尔曼（spearman）相关系数的理解
斯皮尔曼相关性系数，通常也叫斯皮尔曼秩相关系数。“秩”，可以理解成就是一种顺序或者排序，那么它就是根据原始数据的排序位置进行求解
(1)公式
首先对两个变量（X, Y）的数据进行排序，然后记下排序以后的位置（X’, Y’），（X’, Y’）的值就称为秩次，秩次的差值就是上面公式中的di，n就是变量中数据的个数，最后带入公式就可求解结果。

(2)数据要求
因为是定序，所以我们不用管X和Y这两个变量具体的值到底差了多少，只需要算一下它们每个值所处的排列位置的差值，就可以求出相关性系数了

三、斯皮尔曼(spearman)相关系数的python代码实现

import pandas as pd
import numpy as np
X1=pd.