python spearman相关系数_Pearson、Spearman秩相关系数、kendall等级相关系数 (附python实现)...

目录：

相关系数

相关系数：考察两个事物(在数据里我们称之为变量)之间的相关程度。

如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：

(1)、当相关系数为0时，X和Y两变量无关系。

(2)、当X的值增大(减小)，Y值增大(减小)，两个变量为正相关，相关系数在0.00与1.00之间。

(3)、当X的值增大(减小)，Y值减小(增大)，两个变量为负相关，相关系数在-1.00与0.00之间。

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。

通常情况下通过以下取值范围判断变量的相关强度：

相关系数     0.8-1.0     极强相关

0.6-0.8     强相关

0.4-0.6     中等程度相关

0.2-0.4     弱相关

0.0-0.2     极弱相关或无相关

Pearson(皮尔逊)相关系数

皮尔逊相关也称为积差相关(或积矩相关)是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。

假设有两个变量X、Y，那么两变量间的皮尔逊相关系数可通过以下公式计算：

以上列出的四个公式等价，其中E是数学期望，cov表示协方差，N表示变量取值的个数。

适用范围

当两个变量的标准差都不为零时，相关系数才有定义，皮尔逊相关系数适用于：