Python中有很多方法計算相關性，scipy中有自帶的分析工具，pandas里也有非常方便的多變量相關性分析。我們今天就講講這兩個工具的用法。

1.數據收集

本文北上廣深的數據采集自東方財富網，以二手房價格指數為例：

數據從2011年1月1日開始，每個數據點是當時一個月的價格指數，采集方法是用開發者工具找到請求發回來的JSON數據，方法如下：

數據如下(2011/1/1-2019/10/1)：

# 北京：

2.準備工作

首先，你要確保你的電腦安裝了Python，如果沒有可以看這篇文章：超詳細安裝Python指南。

然后，打開CMD（開始-運行-cmd），或者Terminal(macOS) 輸入以下指令安裝scipy和pandas.

pip install scipy pip install pandas

3.編寫代碼

3.1 scipy計算相關性

scipy計算相關性其實非常簡單，引入包的stats模塊：

import scipy.stats as stats

然后調用函數進行計算：

# 計算廣州和深圳二手房價格指數相關性 print(stats.pearsonr(gz, sz))

結果如下：

F:push20191130>python 1.py (0.4673289851643741, 4.4100775485723706e-07)

什么？！！廣州和深圳的二手房價格指數相關性竟然才0.46？那其他一線城市和深圳對比呢？

不過，stats麻煩的地方就在于，它一次只能對比兩個值，不能一次性兩兩對比四個一線城市，別著急，有個模塊可以。

3.2 pandas一次性兩兩對比計算相關性

首先引入pandas：

import pandas as pd

創建DataFrame存放四個數據：

df = pd.DataFrame() df['北京'] = bj df['上海'] = sh df['廣州'] = gz df['深圳'] = sz

最后相關性計算：

print(df.corr())

來看看結果：

wow，看來深圳的二手房價還真是與眾不同，不過從下面這個圖看，確實，深圳的二手房價格和北京的二手房價格已經出現了背離的情況。

個人認為，這個背離和最近的一系列政策及香港局勢有關，但當前嚴峻的金融形勢下，不會持續太久。

我們的文章到此就結束啦，如果你希望我們今天的Python 教程，請持續關注我們，如果對你有幫助，麻煩在下面點一個贊/在看哦

有任何問題都可以在下方留言區留言，我們都會耐心解答的！

---

?Python實用寶典 (pythondict.com)
不只是一個寶典
歡迎關注公眾號：Python實用寶典

總結

以上是生活随笔為你收集整理的pearsonr() python_Python 来算算一线城市的二手房价格指数相关性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。