Python计算相关系数：皮尔逊与斯皮尔曼详解

本文深入解析了Python中计算皮尔逊与斯皮尔曼相关系数的关键区别与实战要点：pandas的corr()默认仅支持皮尔逊，需显式指定method='spearman'才能正确计算秩相关；斯皮尔曼因基于排序，对异常值、非线性关系和等级数据更鲁棒，而皮尔逊则要求近似线性和正态性；scipy的pearsonr/spearmanr均返回（系数, p值）元组，p值才是判断统计显著性的核心依据，绝不能只取相关系数；NaN处理策略在pandas与scipy间存在本质差异，易导致结果不一致；最后强调——再高的相关系数也不代表因果或线性拟合良好，散点图永远是检验关系形态不可替代的第一步。

用 pandas.DataFrame.corr() 时，默认算的是皮尔逊，不是斯皮尔曼

很多人调用 df.corr() 后发现结果和手动算的斯皮尔曼不一致，其实是没指定方法。它默认用 method='pearson'，想换斯皮尔曼得显式传参。

• 皮尔逊要求变量近似线性、服从正态分布；斯皮尔曼只依赖排序，对异常值和非线性关系更鲁棒
• 如果数据有明显偏态、离群点，或只是等级数据（比如满意度打分 1～5），优先选 method='spearman'
• df.corr(method='kendall') 也支持，但计算慢、对小样本敏感，日常少用

scipy.stats.pearsonr() 和 spearmanr() 返回两个值，别只取第一个

这两个函数返回的是 (相关系数, p值) 元组，常见错误是写成 r = pearsonr(x, y)[0] 就完事，其实 p 值才是判断“是否显著相关”的关键依据。

• 即使 r = 0.8，若 p > 0.05，也不能说存在统计显著的相关性
• 样本量很小时（比如 n
• 注意输入必须是 1D array-like，不能直接传 DataFrame 列以外的结构（比如嵌套 list 或含 NaN 的 Series）

NaN 处理不统一，pandas.corr() 和 scipy 默认策略不同

pandas.DataFrame.corr() 默认用 min_periods=1，且自动剔除成对缺失（pairwise deletion）；而 scipy.pearsonr() 遇到 NaN 直接报错：ValueError: Input contains NaN。

• 用 scipy 前务必清理：比如 x, y = zip(*[(a, b) for a, b in zip(x, y) if not (np.isnan(a) or np.isnan(b))])
• 或者更稳妥地用 scipy.stats.spearmanr(x, y, nan_policy='omit') —— 这个参数在 pearsonr 里不存在
• 如果数据缺失集中，两种方法剔除逻辑不同，可能导致相关系数差异明显（尤其小样本）

相关系数接近 ±1 不代表有因果，也不代表线性拟合效果好

这是最容易被忽略的实质问题：相关系数只衡量单调/线性关联强度，完全不反映关系形态。

• 一个完美的二次关系（如 y = x²，x ∈ [-1, 1]）皮尔逊 r ≈ 0，但斯皮尔曼可能接近 0.5——两者都可能严重误导
• 画散点图永远比看数字快：用 plt.scatter(x, y) 看一眼，比调十次 corr() 更有用
• 当 r 绝对值

理论要掌握，实操不能落！以上关于《Python计算相关系数：皮尔逊与斯皮尔曼详解》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！