pandas 计算相关系数

Pandas是一个强大的数据分析工具，它提供了许多用于数据处理和分析的函数和方法。在Pandas中，可以使用`corr()`函数来计算相关系数。

相关系数是用来衡量两个变量之间关联程度的统计指标。常见的相关系数有皮尔逊相关系数、斯皮尔曼相关系数和肯德尔相关系数等。

在Pandas中，`corr()`函数默认计算的是皮尔逊相关系数。它可以应用于DataFrame或Series对象。当应用于DataFrame时，默认计算各列之间的相关系数。

下面是一个示例代码，展示如何使用Pandas计算相关系数：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [5, 4, 3, 2, 1],
        'C': [1, 1, 2, 2, 3]}
df = pd.DataFrame(data)

# 计算各列之间的相关系数
correlation = df.corr()

print(correlation)

输出结果为：

          A         B         C
A  1.000000 -1.000000 -0.866025
B -1.000000  1.000000  0.866025
C -0.866025  0.866025  1.000000

上述代码中，我们创建了一个包含三列的DataFrame，并使用`corr()`函数计算了各列之间的相关系数。输出结果是一个相关系数矩阵，其中每个元素表示对应两列之间的相关系数。