相关系数是变量间关联程度的基本测度之一，如果我们想知道两个变量之间的相关性，就可以计算相关系数进行判定。相关系数的基本特征说明如下。

方向：

·　正相关：两个变量变化方向相同。

·　负相关：两个变量变化方向相反。

量级（Magnitude）：

·　低度相关：0≤|r|< 0.3。

·　中度相关：0.3≤|r|< 0.8。

·　高度相关：0.8≤|r|< 1。

散点图：

在进行相关分析之前，通常会绘制散点图来观察变量之间的相关性，如果这些数据在二维坐标轴中构成的数据点分布在一条直线的周围，就说明变量间存在线性相关关系。

1．Python计算相关系数

其中：

·　r：相关系数。

·　ZX：变量X的z分数。

·　ZY：变量Y的z分数。

·　N：X和Y取值的配对个数。

2．场景案例

我们知道影响金融产品销量的因素很多。作为用户来讲，最直接的参考指标一定是产品的利率，金融机构为了吸引更多的用户能够持有或购买某项金融产品，往往会推出加息活动，那么加息活动这个变量与实际销量之间是否存在相关关系？

【例1】

计算相关系数的Python代码如下：

import numpyX = [52,19,7,33,2]Y = [162,61,22,100,6]#均值XMean = numpy.mean(X)YMean = numpy.mean(Y)#标准差XSD = numpy.std(X)YSD = numpy.std(Y)#z分数ZX = (X-XMean)/XSDZY = (Y-YMean)/YSD#相关系数r = numpy.sum(ZX*ZY)/(len(X))print(ZX,ZY)print(r)

输出：

[ 1.61684964 -0.19798159 -0.85792022  0.57194681 -1.13289465] [ 1.63073842-0.16342912 -0.85622649 0.52936824 -1.14045105]0.999674032661831

则得到结果：