用python求多指标皮尔逊相关系数

要使用Python求多指标的皮尔逊相关系数，可以使用pandas库的corr()函数。该函数默认计算的是皮尔逊相关系数，也可以通过设置method参数为其他类型的相关系数，如‘kendall’或‘spearman’。例如，以下是一个用Python求多指标皮尔逊相关系数的示例代码：

import pandas as pd

# 创建一个DataFrame，包含多个指标的数据
data = {'指标1': [1, 2, 3, 4, 5],
        '指标2': [2, 4, 6, 8, 10],
        '指标3': [3, 6, 9, 12, 15]}
df = pd.DataFrame(data)

# 使用corr()函数计算多指标的皮尔逊相关系数
correlation = df.corr()

# 打印相关系数
print(correlation)

以上代码中，首先创建了一个包含多个指标的DataFrame，然后使用corr()函数计算了这些指标之间的皮尔逊相关系数，最后打印输出结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [深入理解皮尔逊相关系数&python代码](https://blog.csdn.net/weixin_39736913/article/details/110907850)[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: 50%"]
- *3* [Python-电信用户流失预测](https://download.csdn.net/download/Mrrunsen/87453225)[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: 50%"]
[ .reference_list ]