用scipy.stats.pearsonr() 计算相关data_array = df_indexes.values[:]的相关系数矩阵

如果你想使用`scipy.stats.pearsonr()`函数来计算DataFrame `df_indexes`中的所有索引值（存储在`values`属性中）构成的一组数据的相关系数矩阵，你需要先将数据转换为二维数组，然后对每一对列应用`pearsonr()`。由于`df_indexes.values[:]`通常是单维度的，所以需要先将其转置为二维数组。

这里是一个简单的步骤说明：

1. 获取`df_indexes`的值并转置（如果你的数据确实是索引值，而不是实际的数据列）：

data_array = df_indexes.values.T

2. 创建一个空的二维相关系数矩阵来保存结果：

correlation_matrix = np.zeros((len(df_indexes), len(df_indexes)))

3. 使用`pearsonr()`循环计算每个元素对之间的相关系数，并更新矩阵：

for i in range(len(data_array)):
    for j in range(i, len(data_array)):
        corr, _ = scipy.stats.pearsonr(data_array[i], data_array[j])
        correlation_matrix[i, j] = corr  # 上三角矩阵，因为是对称的
        correlation_matrix[j, i] = corr  # 对角线及上方填入相同的值

4. 注意，上述代码只计算了上三角部分，因为相关系数是对称的，即r(i, j) = r(j, i)，不需要重复计算。

完成以上步骤后，`correlation_matrix`就是一个表示df_indexes所有列之间相关性的二维数组。