python中皮尔逊相关系数检验怎么用举个例子

首先需要导入 `scipy` 库中的 `stats` 模块，然后使用 `pearsonr()` 函数计算皮尔逊相关系数并进行假设检验。举个例子，我们想要检验两个变量 `x` 和 `y` 之间的相关性：

from scipy.stats import pearsonr

# 两个变量
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

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

# 打印结果
print("皮尔逊相关系数为：", corr)
print("p 值为：", p_value)

输出结果为：

皮尔逊相关系数为： 1.0
p 值为： 0.0

由于 `x` 和 `y` 之间是完全正相关的，因此相关系数为 1.0，而 p 值为 0.0，表示在零假设下，即两个变量之间不存在相关性的情况下，观察到的相关性出现的概率非常低，因此我们可以拒绝零假设，认为两个变量之间存在显著的正相关关系。