Python实现Pearson相关性检验

Python实现Pearson相关性检验

Pearson相关性检验是一种常用的统计学方法，用于检查两个变量之间的线性关系强度和方向。在Python中，通过scipy库中的pearsonr函数可以方便地进行Pearson相关性检验。

下面是一个例子，展示如何在Python中使用pearsonr函数计算两个变量之间的相关系数和p值。

from scipy.stats import pearsonr

# 数据准备
x = [1, 2, 3, 4, 5]
y = [6, 7, 8, 9, 10]

# 计算相关系数和p值
corr, p_value = pearsonr(x, y)
print("相关系数：", corr)
print("p值：", p_value)

运行以上代码，输出结果如下：

相关系数： 1.0
p值： 0.0

从结果可以看出，x和y两个变量之间存在完全正相关的关系，且p值为0，说明这种关系的显著性非常高。

接下来，我们再给出一组不相关的数据，来看看计算结果：

# 数据准备
x = [1, 2, 3, 4, 5]
y = [10, 9, 8, 7, 6]

# 计算相关系数和p值
corr, p_value = pearsonr(x, y)
print("相关系数：", corr)
print("p值：", p_value)

运行