pearsonr() python_深入理解皮尔逊相关系数&python代码

1.常见理解误区

（1）计算出变量A和变量B的皮尔逊相关系数为0，不代表A和B之间没有相关性，只能说明A和B之间不存在线性相关关系。

例：温度和冰淇淋销量之间的散点图像如下，可以发现大致成二次函数图像，随着温度升高，销量也会增加，达到峰值后，随着温度升高，销量反而下降。也就是说，销量和温度之间是有关系的。

不过，计算温度和销量之间的皮尔逊相关系数却为0。这只能说明温度和销量之间没有线性相关关系，而不能说二者不存在相关关系。

图片来自于网络博客

（2）皮尔逊相关系数并不稳定，会受到异常点的影响。

例：如果不考虑最右侧的异常点，x和y之间的相关系数应该为0，即无论y取何值，x都为固定值8。但是，考虑了异常点后，x和y的相关系数变为0.816。

这也说明，在进行数据分析之前，需要对数据进行清洗，去掉异常点、噪声数据，使得分析结果更为可靠。

（3）皮尔逊相关系数绝对值越大，二者相关性越强？

答案是不一定。除了相关系数的大小，我们更要关心相关系数的显著性。

2.皮尔逊相关系数正确使用步骤

第一步：绘制散点图，是否存在异常点。如果有异常点，删除异常点。然后再看观察变量x和变量y之间的关系是否近似为一条直线，如果是，则计算皮尔逊相关系数。相关系数为(0,1]的正数，表明x和y之间呈线性正相关；相关系数为0，表明二者不存在线性相关关系，但不排除存在其他非线性相关关系；相关系数为[-1,0)的负数，表明x和y之间存在线性负相关关系。

如果散点图并不类似于一条直线，而是其他类型图像，如二次函数图像、指数图像，即使计算出皮尔逊相关系数也没有意义。

3.python代码示例

python sklearn库中datasets模块中有一个boston房价数据集，可以使用load_boston()函数进行加载。

print(load_boston().DESCR)#查看boston数据集基本信息