文章目录
1. 简介2. 公式3. 代码实现4. 其他参考资料代码来源于：/yaleimeng/Final_word_Similarity
我将其单独抽取、组合出来做讲解。
1. 简介
相关系数：考察两个变量之间的相关程度。相关系数越大，相关性越强。
皮尔逊相关也称为积差相关，是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。
2. 公式
三个公式都能计算正确结果，我们采用第三个公式来编程实现。
3. 代码实现
from math import sqrtdef multiply(a,b):#a,b两个列表的数据一一对应相乘之后求和sum_ab=0.0for i in range(len(a)):temp=a[i]*b[i]sum_ab+=tempreturn sum_abdef cal_pearson(x,y):n=len(x)#求x_list、y_list元素之和sum_x=sum(x)sum_y=sum(y)#求x_list、y_list元素乘积之和sum_xy=multiply(x,y)#求x_list、y_list的平方和sum_x2 = sum([pow(i,2) for i in x])sum_y2 = sum([pow(j,2) for j in y])molecular=sum_xy-(float(sum_x)*float(sum_y)/n)#计算Pearson相关系数，molecular为分子，denominator为分母denominator=sqrt((sum_x2-float(sum_x**2)/n)*(sum_y2-float(sum_y**2)/n))return molecular/denominatorif __name__ == '__main__':x = [1.0, 0.8413847866522796, 1.0, 1.0, 0.726471443738, 0.8659769034282755, 0.8525472520008003, 1.0,0.8333703748448211, 0.389905372997432, 0.7323982353899079, 0.7636377912400188, 0.7182768399980969,0.2674857649974473, 0.4044950329998137, 0.34512807490538866, 0.18946683500771058, 0.30049731372316213,0.24729781155291156, 0.3094230131574097, 0.41238596985736753, 0.0, 0.0, 0.2684506957865521,0.14158316440453367, 0.35473275983651914, 0.0, 0.0, 0.0, 0.0]y = [0.98, 0.96, 0.96, 0.94, 0.925, 0.9025, 0.875, 0.855, 0.7775, 0.77, 0.7625, 0.7425, 0.7375, 0.705, 0.42, 0.415,0.29, 0.275, 0.2375, 0.2225, 0.2175, 0.21, 0.1575, 0.1375, 0.105, 0.105, 0.0325, 0.0275, 0.02, 0.02]res = cal_pearson(x,y)print(res) # 0.9171284464588204
4. 其他参考资料
如何理解皮尔逊相关系数（Pearson Correlation Coefficient）？ - 微调的回答 - 知乎
