python散点图皮尔森

散点图和皮尔森相关系数都是数据分析中常用的工具。在 Python 中，可以使用 Matplotlib 库绘制散点图，使用 Scipy 库计算皮尔森相关系数。

绘制散点图的代码示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.random.randn(100)
y = np.random.randn(100)

# 绘制散点图
plt.scatter(x, y)
plt.show()

计算皮尔森相关系数的代码示例：

from scipy.stats import pearsonr

# 生成数据
x = np.random.randn(100)
y = np.random.randn(100)

# 计算皮尔森相关系数
corr, p = pearsonr(x, y)
print("Pearson correlation coefficient:", corr)

需要注意的是，皮尔森相关系数只能衡量线性关系的强度和方向，不能衡量非线性关系。

相关问题

plot皮尔森相关系数

皮尔森相关系数是用来衡量两个变量之间线性相关程度的统计量，取值范围在-1到1之间。当取值为1时，表示两个变量呈完全正相关；当取值为-1时，表示两个变量呈完全负相关；当取值为0时，表示两个变量之间不存在线性关系。

下面是绘制皮尔森相关系数的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成两个随机变量
x = np.random.rand(100)
y = np.random.rand(100)

# 计算皮尔森相关系数
corr = np.corrcoef(x, y)[0, 1]

# 绘制散点图
plt.scatter(x, y)

# 添加标题和坐标轴标签
plt.title("Pearson correlation coefficient: {:.2f}".format(corr))
plt.xlabel("Variable X")
plt.ylabel("Variable Y")

# 显示图形
plt.show()

这段代码将生成两个随机变量，然后计算它们的皮尔森相关系数，并最终绘制出散点图和相关系数的标题。你可以尝试修改随机变量的生成方式，观察相关系数的变化。