目录
1、方法①：调用第三方库实现
2、方法②：编写函数计算实现
3、测试样例结果输出
1、方法①：调用第三方库实现
from pandas import Series
def calc_corr1(a, b):
s1 = Series(a)
s2 = Series(b)
return s1.corr(s2)
2、方法②：编写函数计算实现
def calc_corr2(a, b):
a_avg = sum(a) / len(a)
b_avg = sum(b) / len(b)
# 计算分子，协方差————按照协方差公式，本来要除以n的，由于在相关系数中上下同时约去了n，于是可以不除以n
cov_ab = sum([(x - a_avg) * (y - b_avg) for x, y in zip(a, b)])
# 计算分母，方差乘积————方差本来也要除以n，在相关系数中上下同时约去了n，于是可以不除以n
sq = (sum([(x - a_avg) ** 2 for x in a]) * sum([(x - b_avg) ** 2 for x in b])) ** 0.5
corr_factor = cov_ab / sq
return corr_factor
3、测试样例结果输出
if __name__ == '__main__':
m1 = [254, 0, 1032, 633, 140, 136, 4, 3, 4266, 5639, 4354, 3093]
m2 = [10798, 0, 3233, 1739, 300, 113, 114, 159, 975, 2257, 16376, 8581]
print(calc_corr1(m1, m2)) # 0.40126106164889785
print(calc_corr2(m1, m2)) # 0.40126106164889797
def calc_corr2(a, b):
a_avg = sum(a) / len(a)
b_avg = sum(b) / len(b)
# 计算分子，协方差————按照协方差公式，本来要除以n的，由于在相关系数中上下同时约去了n，于是可以不除以n
cov_ab = sum([(x - a_avg) * (y - b_avg) for x, y in zip(a, b)])
# 计算分母，方差乘积————方差本来也要除以n，在相关系数中上下同时约去了n，于是可以不除以n
sq = (sum([(x - a_avg) ** 2 for x in a]) * sum([(x - b_avg) ** 2 for x in b])) ** 0.5
corr_factor = cov_ab / sq
return corr_factor
