Python pandas DataFrame corr() 方法计算相关系数详解

七月

发布时间：2026-10-13| 3人浏览过

原创

本文介绍如何利用Python pandas库中的DataFrame.corr()方法计算数据列间的相关系数。支持Pearson、Kendall Tau及Spearman秩相关三种算法，通过实际代码示例展示不同参数下的计算结果与输出格式，帮助开发者快速掌握数据相关性分析技巧。

本文重点演示pandas库中DataFrame对象的corr()方法使用方式。该函数用于计算DataFrame内所有列之间的相关系数，支持包括Pearson相关系数、Kendall Tau相关系数以及Spearman秩相关在内的多种计算模式。

>>> import numpy as np
>>> import pandas as pd

>>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10),
   'B':np.random.randint(1, 100, 10),
   'C':np.random.randint(1, 100, 10)})
>>> df
   A  B  C
0  5 91  3
1 90 15 66
2 93 27  3
3 70 44 66
4 27 14 10
5 35 46 20
6 33 14 69
7 12 41 15
8 28 62 47
9 15 92 77
>>> df.corr() # pearson相关系数
     A       B       C
A 1.000000 -0.560009 0.162105
B -0.560009 1.000000 0.014687
C 0.162105 0.014687 1.000000
>>> df.corr('kendall') # Kendall Tau相关系数

     A       B       C
A 1.000000 -0.314627 0.113666
B -0.314627 1.000000 0.045980
C 0.113666 0.045980 1.000000
>>> df.corr('spearman') # spearman秩相关

     A       B       C
A 1.000000 -0.419455 0.128051
B -0.419455 1.000000 0.067279
C 0.128051 0.067279 1.000000

以上就是Python结合pandas计算数据相关系数的完整示例，供读者参考学习。欢迎持续关注本站获取更多技术分享。