皮尔逊(Pearson)相关系数 - 公式和代码实现 📊📈

• 2025-03-07 23:36:34

摘要在数据分析的世界里，我们常常需要衡量两个变量之间的关系强度，这时皮尔逊相关系数就显得尤为重要。它是一种度量两个变量线性相关程度的统

在数据分析的世界里，我们常常需要衡量两个变量之间的关系强度，这时皮尔逊相关系数就显得尤为重要。它是一种度量两个变量线性相关程度的统计指标，其值介于-1到1之间。当值为1时，表示完全正相关；值为-1时，表示完全负相关；而接近0则意味着几乎没有线性关系。

接下来，让我们看看皮尔逊相关系数的公式吧！它定义为两变量协方差除以各自标准差的乘积： corr(X,Y) = cov(X,Y) / (σ_X σ_Y) 。其中cov(X,Y)代表X与Y的协方差，而σ_X和σ_Y分别代表X和Y的标准差。

为了更好地理解这个概念，我们可以用Python语言来实现这一计算。下面是一个简单的例子：

```python

import numpy as np

from scipy.stats import pearsonr

假设我们有两个数据集

data_x = [1, 2, 3, 4, 5]

data_y = [2, 3, 2.5, 5, 6]

计算皮尔逊相关系数

corr, _ = pearsonr(data_x, data_y)

print(f"皮尔逊相关系数为：{corr:.2f}")

```

通过这段代码，我们可以轻松地计算出两个数据集之间的皮尔逊相关系数，从而了解它们之间的关系强度。希望这些内容对你有所帮助！📊🔍

数据分析统计学编程

标签：