如何在DataFrame列的corr方法中指定Pearson相关系数计算方法？

直接指定method参数（最简便） #

其实Series.corr()方法本身就支持传入method参数，你可以直接在调用时指定method='pearson'，写法如下：

df_dataframe1['Food'].corr(df_dataframe1['Ingredient'], method='pearson')

注：pearson是默认计算方法，若只是明确指定默认值可省略该参数，但如果需要切换为spearman、kendall等其他方法，这个参数就会起到作用。

替代方案1：通过DataFrame生成相关矩阵提取结果 #

先选中目标列，调用DataFrame的corr()方法生成相关系数矩阵，再提取对应位置的数值：

# 生成两列的相关系数矩阵
corr_matrix = df_dataframe1[['Food', 'Ingredient']].corr(method='pearson')
# 提取Food与Ingredient的相关系数
corr_value = corr_matrix.loc['Food', 'Ingredient']

替代方案2：使用scipy的pearsonr函数 #

如果需要同时获取相关系数和对应的显著性检验p值，可以用scipy.stats.pearsonr：

from scipy.stats import pearsonr

corr_value, p_value = pearsonr(df_dataframe1['Food'], df_dataframe1['Ingredient'])

该方法会返回两个结果：第一个是皮尔逊相关系数，第二个是显著性检验的p值。

内容的提问来源于stack exchange，提问作者Alex Woolfe