【冰糖Python】Pearson Spearman Kendall 相关系数（numpy pandas scipy 库）

常用的相关系数为 Pearson、Spearman、Kendall，在 python 中有多种计算相关系数的方法，

numpy，pandas，scipy 库中均可以计算相关系数，但用法存在较大区别，通过以下例子说明

假设有以下两个矩阵 data_temp1、data_temp2，两个向量 data_vector1、data_vector2

1、numpy.corrcoef()

numpy.corrcoef(x, y=None, rowvar=True, dtype=None)

返回 Pearson 相关系数矩阵

x：一维数组或者二维矩阵。x的每一行代表一个变量，每一列代表变量的观察值，不可省略

y：默认 None，额外的变量和观察值，形状与 x 相同，可省

rowvar：默认 True，为 Ture 时表示“每一行代表一个变量”，为 False 时表示“每一列代表一个变量”，可省

dtype：默认 None，结果的数据类型，默认至少为 numpy.float64 的精度，可省

注意：由于浮点舍入，结果可能不是Hermitian矩阵，结果对角线元素可能不是1，元素可能不满足 abs(a) <= 1。为试图改变这种情况，实部和虚部被裁减到区间[-1, 1]，但在复杂情况下可能没什么作用。

结果可见，numpy.corrcoef() 始终返回的是变量之间相关系数的矩阵，

比如，对于同时传入矩阵 data_temp1、data_temp2，计算任意一对变量间的 Pearson 相关系数

比如，对于同时传入向量 data_vector1、data_vector2，返回 2 * 2 的矩阵

缺点：仅能计算 Pearson 相关系数，且不提供p值

2、pandas.DataFrame.corr()，pandas.DataFrame.corrwith() 和 pandas.Series.corr()

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

计算 DataFrame 对象列之间的相关性，返回相关系数矩阵，排除NA和缺失值

method：默认 pearson，需要计算的相关系数类型，可选 kendall，spearman；或可选 callable，当输入两个1d数组并返回一个float就可以选择调用，是版本0.24.0中的新功能，请注意，corr返回的矩阵在对角线上有1，并且无论可调用的行为如何，都是对称的

min_periods：默认1，为获得有效结果，每对列所需的最小观察数，目前只适用于 Pearson 和 Spearman 相关系数

（2）pandas.DataFrame.corrwith(other, axis=0, drop=False, method='pearson')

计算成对的相关性，返回的是Series

即计算 DataFrame 的行或列与 其他Series 或 DataFrame 对象的行或列的成对相关性；计算之前 DataFrame 会先沿轴对齐

other：用于计算相关的其他 Series 或 DataFrame 对象

axis：默认0，表示计算列之间的相关系数；可选0或‘index’以计算列之间的相关性，1或‘columns’以计算行之间的相关性

drop：默认 False，从结果删除缺失的索引

method：默认 pearson，需要计算的相关系数类型，可选 kendall，spearman；或可选 callable，当输入两个1d数组并返回一个float就可以选择调用，是版本0.24.0中的新功能

以上例子计算的是 data_temp1、data_temp2 对应列的相关性

（3）pandas.Series.corr(other, method='pearson', min_periods=None)

计算与其他 Series 对象的相关系数，排除缺失值

other：用于计算相关系数的 Series 对象

method：默认 pearson，需要计算的相关系数类型，可选 kendall，spearman；或可选 callable，当输入两个1d数组并返回一个float就可以选择调用，是版本0.24.0中的新功能，请注意，corr返回的矩阵在对角线上有1，并且无论可调用的行为如何，都是对称的

min_periods：默认 None，为获得有效结果所需的最小观察数，可选参数

缺点：不提供p值

3、scipy.stats.pearsonr()，scipy.stats.spearmanr() 和 scipy.stats.kendalltau()

（1）scipy.stats.pearsonr(x, y)

计算 Pearson 相关系数和对应p值，返回 相关系数和p值组成的元组

x：输入array，不可省

y：输入array，不可省

（2）scipy.stats.spearmanr(a, b=None, axis=0, nan_policy='propagate')

计算 Spearman 相关系数和对应p值，返回 Spearman 相关系数矩阵或单个值

a：一维或二维数组，不可省

b：一维或二维数组，可省

axis：默认0，表示每一列是一个变量；如果为1，表示每一行是一个变量；如果为None，都包含

nan_policy：默认 propagate，还可选raise或omit，表示对输入nan值的处理策略；propagate返回nan，raise报错，omit则计算前忽略nan值

计算任意两个变量间的相关性，传入 data_temp1、data_temp2 也是如此

（3）scipy.stats.kendalltau(x, y, nan_policy='propagate', method='auto', variant='b')

计算 Kendall 相关系数及对应p值

x： 表示排序的array，如果不是一维，则会先扁平化到一维

y：表示排序的array，如果不是一维，则会先扁平化到一维

nan_policy：默认 propagate，还可选raise或omit，表示对输入nan值的处理策略；propagate返回nan，raise报错，omit则计算前忽略nan值

method：默认 auto，还可选asymptotic或exact，确定如何计算p值；auto自动选择方法，折中考虑速度和准确率；asymptotic使用面向大样本的逼近方法；exact计算精确p值，随着样本增加计算时间可能会增加，精度会下降

variant：默认b，还可选c，确定返回tau值的哪种变体

缺点：三种相关性接口不统一，且 Pearson 和 Kendall 不能接受矩阵输入