python实现pearson相关性检验
两个变量之间的相关性可以采用Pearson或Spearman相关分析方法进行分析。Pearson相关分析主要用来分析正态分布、非等间距测度的连续变量，而Spearman可用来分析不服从双变量正态分布或总体分布型未知以及原始数据是等级资料的数据。
测试两个样本是否具有线性关系。
假设条件
- 每个样本中的观察结果都是独立且均等分布的（iid）。
- 每个样本中的观察值均呈正态分布。
- 每个样本中的观察值具有相同的方差。
解释
- H0：两个样本是独立的。
- H1：样本之间存在依赖性。
#
# Example of the Pearson's Correlation test
from scipy.stats import pearsonr
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [0.353, 3.517, 0.125, -7.545, -0.555, -1.536, 3.350, -1.578, -3.537, -1.579]
stat, p = pearsonr(data1, data2)
print('stat=%.3f, p=%.3f' % (stat, p))
if p > 0.05:print('Probably independent')
else:print('Probably dependent')*******
