一维数组间皮尔逊相关系数

        皮尔逊相关系数( Pearson correlation coefficient），用来验证两个变量之间的相关性，范围在-1到1之间。

计算公式：

相关系数的性质：

        1. r的取值范围是[-1, 1]：

                a. 若0<r<=1, 表明x与y之间存在正线性相关关系；

                b. 若-1<=r<0, 表明x与y之间存在负线性相关关系；

                c. 若r=+1, 表明x与y之间为完全正线性相关关系

                d. 若r=-1, 表明x与y之间为完全负线性相关关系

                e. 若r=0, y的取值与x无关，二者不存在线性相关关系

        2. r具有对称性，x与y之间的相关系数与y与x之间的相关系数相等

        3. r仅仅是x与y之间线性关系的度量，不能用于描述非线性关系

        4. 对于一个具体的r值，根据经验可将相关程度分为以下几种情况（必须建立在对相关系数的显著性进行检验的基础之上）：

                a . 当|r|>=0.8时，可视为高度相关；

                b. 当0.5<=|r|<0.8时， 可视为中度相关；

                c. 当0.3<=|r|<0.5时， 可视为低度相关；

                d. 当|r|<0.3时，说明两个变量之间的相关程度极弱，可视为不相关

参考内容：《统计学(第7版)》

Python实现方法 

方法一：使用numpy包中函数 np.corrcoef(x, y)

import numpy as np

x = [1, 2, 3, 4]
y = [3, 4, 5, 7]

Pearson = np.corrcoef(x, y)

结果为：

        

 

方法二：使用公式计算

def get_pearson(x, y):
    avg_x = np.mean(x)
    avg_y = np.mean(y)
    numerator = 0
    denominator_x = 0
    denominator_y = 0
    for i in range(0, len(x)):
        numerator += (x[i] - avg_x) * (y[i]-avg_y)
        denominator_x += (x[i] - avg_x) ** 2
        denominator_y += (y[i] - avg_y) ** 2
    denominator = (denominator_x**0.5) *(denominator_y**0.5)  
    return numerator/denominator

结果为：