pearson相关性分析怎么做,r相关性分析结果怎么看
python实现人员相关检测
两个变量之间的相关可以使用Pearson或Spearman相关分析方法来分析。 Pearson相关分析主要用于分析正态分布、非等间隔测度的连续变量，Spearman不服从双变量正态分布，或者用于分析整体分布型未知和原始数据为等级数据。
测试两个样本是否存在线性关系。
假设条件
每个样本的观察结果独立且均匀分布(iid )。 各样品的观察值呈正态分布。 每个样本的观察值具有相同的方差。 解释
h0 :两个样品是独立的。 ) H1 )样品之间存在依赖性。 #
# exampleofthepearson ' scorrelationtestfromscipy.statsimportpearsonrdata1=[ 0.873，2.817，0.121，-0.945，-0.055 0.125，-7.545，-0.555，-1.536，-3.350，-1.578，-3.537，-1.579]stat p=%.3f'%(stat，p ) ifp 0.053: prprest