corr 计算相关性

DataFrame.corr(method='pearson', min_periods=1)

作用：

计算列的成对相关性，不包括 NA 和 bull 值，返回相关系数矩阵。
相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

参数解析：

method：{‘pearson’, ‘kendall’, ‘spearman’} or callable

• pearson：皮尔逊相关系数，也叫标准相关系数。 pearson相关系数衡量的是线性相关关系。若r=0，只能说x与y之间无线性相关关系，不能说无相关关系。
  公式：
  $$\frac{N\sum x_i{y}_i-\sum x_i\sum y_i}{\sqrt{N\sum x_i^2-(\sum x_i{)}^2}\sqrt{N\sum y_i^2-(\sum y_i{)}^2}}$$
• kendall：kendall秩相关系数
• spearman：spearman相关系数。斯皮尔曼相关系数被定义成等级变量之间的皮尔逊相关系数。对于样本容量为n的样本，n个原始数据被转换成等级数据。
  公式：
  $$\rho =\frac{{\sum }_i(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{{\sum }_i(x_i-\bar{x}{)}^2{\sum }_i(y_i-\bar{y}{)}^2}}$$
• callable：自定义的计算函数

min_periods：int, optional