python皮尔森相关性分析

Python中可以使用pandas库的corr()函数进行皮尔森相关性分析。该函数的用法为：

df.corr(method="pearson")

其中，df是一个DataFrame对象，method参数指定了使用皮尔森相关系数进行相关性分析。

此外，还可以结合scipy库的pearsonr()函数来获取相关系数的显著性检验P值矩阵。具体的代码如下：

import scipy.stats as stats

def GetPvalue_Pearson(x, y):
    return stats.pearsonr(x, y)[1]

df.corr(method=GetPvalue_Pearson)

这样可以得到相关系数矩阵和对应的显著性检验P值矩阵。

需要注意的是，皮尔森相关性分析是一种衡量两个变量之间线性相关性的统计方法，它的值范围在-1到1之间，接近-1表示负相关，接近1表示正相关，接近0表示无相关性。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [python 皮尔森相关系数（Pearson）](https://blog.csdn.net/small__roc/article/details/123519616)[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^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]