python3求皮尔逊相关系数

可以使用Python的scipy库中的pearsonr函数来计算皮尔逊相关系数。

from scipy.stats import pearsonr

# 定义两个列表
x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

# 计算皮尔逊相关系数
corr, p_value = pearsonr(x, y)

print(corr) # 输出相关系数

输出结果为：-1.0，表示x和y之间的关系是完全负相关。

相关问题

python求皮尔逊相关系数

Python中可以使用多种方法求解皮尔逊相关系数。一种方法是使用NumPy库中的函数来计算皮尔逊相关系数。我们可以先对两个变量进行标准化处理，然后使用numpy的corrcoef函数计算相关系数。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Python--如何计算皮尔逊相关系数（Pearson correlation coefficient）](https://blog.csdn.net/weixin_41744624/article/details/109266940)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [Python计算皮尔逊相关系数](https://blog.csdn.net/qq_37770754/article/details/109828078)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

python3手写公式求皮尔逊相关系数

皮尔逊相关系数是用来衡量两个变量之间线性关系强度的统计量，其计算公式如下：


其中，x和y分别是两个变量的观测值，μx和μy分别是两个变量的均值，σx和σy分别是两个变量的标准差。

下面是Python3手写计算皮尔逊相关系数的代码：

import math

def pearson_correlation(x, y):
    n = len(x)
    sum_x = sum(x)
    sum_y = sum(y)
    sum_x_squared = sum([pow(i, 2) for i in x])
    sum_y_squared = sum([pow(i, 2) for i in y])
    sum_xy = sum([x[i]*y[i] for i in range(n)])
    numerator = n * sum_xy - sum_x * sum_y
    denominator = math.sqrt((n * sum_x_squared - pow(sum_x, 2)) * (n * sum_y_squared - pow(sum_y, 2)))
    if denominator == 0:
        return 0
    else:
        return numerator / denominator

其中，x和y分别是两个变量的观测值，可以用列表的形式传入函数。函数首先计算x和y的均值、标准差以及相关系数的分子和分母，然后根据公式计算相关系数，最后返回结果。需要注意的是，如果分母为0，则相关系数为0，否则按照公式计算。