(Pearson)皮尔逊相关系数和spearman相关系数（附python实现）

今天在做数据分析的时候，发现了需要计算特征之间的相似度，从而在相似度比较高的特征之间保留一个就行。查了一下，发现可以通过皮尔逊相关系数和spearman相关系数来计算特征之间的相似度，下面将介绍这两个系数和区别。

皮尔逊相关系数

下面是皮尔逊相关系数的计算公式，只需要将（X和Y的协方差）/（X的标准差*Y的标准差）

可以化简成

spearman相关系数

简单的相关系数的分类

那么对于这两个系数，怎样的值才是好的呢，遵循下面的关系

• 0.8-1.0：极强相关
• 0.6-0.8：强相关
• 0.4-0.6：中等强度相关
• 0.2-0.4：弱相关
• 0.0-0.2：极弱或者无相关

区别

那么有个问题，是所有的变量都可以用这两个系数吗，这两个变量当然是有区别的，区别如下。

1. 连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，效率没有pearson相关系数高。
2. 上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。
3. 两个定序测量数据（顺序变量）之间也用spearman相关系数，不能用pearson相关系数。

代码实现

import pandas as pd
data = loans_2007[["funded_amnt", "funded_amnt_inv"]]
#计算皮尔逊系数
print(data.corr())
#计算spearman系数
print(data.corr('spearman'))

这是结果，可以看出这两个变量的相关性还是很高的

                 funded_amnt  funded_amnt_inv
funded_amnt         1.000000         0.947525
funded_amnt_inv     0.947525         1.000000
                 funded_amnt  funded_amnt_inv
funded_amnt          1.00000          0.92876
funded_amnt_inv      0.92876          1.00000