Python计算两个指标的相关性方法

Python中常用的计算两个指标相关性的方法包括：

1. Pearson相关系数：用于衡量两个连续变量之间的线性相关程度，取值范围为 [-1, 1]，其中 1 表示完全正相关，-1 表示完全负相关，0 表示不相关。

import pandas as pd
df = pd.read_csv('data.csv')
corr = df['col1'].corr(df['col2'], method='pearson')

2. Spearman秩相关系数：用于衡量两个变量之间的单调关系，可以是线性或非线性的，不要求变量服从正态分布，取值范围为 [-1, 1]，其中 1 表示完全正相关，-1 表示完全负相关，0 表示不相关。

import pandas as pd
df = pd.read_csv('data.csv')
corr = df['col1'].corr(df['col2'], method='spearman')

3. Kendall秩相关系数：用于衡量两个变量之间的单调关系，也可以是线性或非线性的，取值范围为 [-1, 1]，其中 1 表示完全正相关，-1 表示完全负相关，0 表示不相关。

import pandas as pd
df = pd.read_csv('data.csv')
corr = df['col1'].corr(df['col2'], method='kendall')

其中，data.csv 是包含两个指标的数据文件，col1 和 col2 分别表示两个指标的列名。可以根据具体需要选择合适的方法进行计算。