1.皮爾遜相關(guān)系數(shù)

#兩個變量計算#
import pandas as pd
A=[1,3,6,9,0,3]
B=[3,5,1,4,11,3]
A1=pd.Series(A)
B1=pd.Series(B)
corr=B1.corr(A1,method=‘pearson’)
print(corr)

#dataframe計算#
import pandas as pd
data=pd.DataFrame({‘a(chǎn)’:[1,3,6,9,0,3],‘b’:[3,5,1,4,11,3]})
corr=data.corr(method=‘pearson’)
print(corr)

2.斯皮爾曼相關(guān)系數(shù)

#兩個變量計算#
import pandas as pd
A=[1,3,6,9,0,3]
B=[3,5,1,4,11,3]
A1=pd.Series(A)
B1=pd.Series(B)
corr=B1.corr(A1,method=‘spearman’)
print(corr)

#dataframe計算#
import pandas as pd
data=pd.DataFrame({‘a(chǎn)’:[1,3,6,9,0,3],‘b’:[3,5,1,4,11,3]})
corr=data.corr(method=‘spearman’)
print(corr)

3.肯德爾秩相關(guān)系數(shù)

#兩個變量計算#
import pandas as pd
A=[1,3,6,9,0,3]
B=[3,5,1,4,11,3]
A1=pd.Series(A)
B1=pd.Series(B)
corr=B1.corr(A1,method=‘kendall’)
print(corr)

#dataframe計算#
import pandas as pd
data=pd.DataFrame({‘a(chǎn)’:[1,3,6,9,0,3],‘b’:[3,5,1,4,11,3]})
corr=data.corr(method=‘kendall’)
print(corr)

4.距離相關(guān)系數(shù)

?import dcor
import numpy as np
a1=np.array([11,2,56,34])
b1=np.array([45,15,26,24])
dcor.distance_correlation(a1,b1)
關(guān)于 dcor 安裝包及距離相關(guān)系數(shù)的詳細介紹我主頁寫過一篇文章：https://mp.csdn.net/editor/html/108356586

?

?
?

總結(jié)

以上是生活随笔為你收集整理的python 相关系数（全）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。