计算皮尔逊相关系数

正如视频中提到的，皮尔逊相关系数（也称 Pearson r）通常比协方差更容易解释。它可以用 np.corrcoef() 计算。与 np.cov() 类似，它接收两个数组作为参数并返回一个二维数组。[0,0] 和 [1,1] 两个位置的值必然等于 1（您能想一想为什么吗？），而我们需要的值在 [0,1] 位置。

在本练习中，您将编写一个函数 pearson_r(x, y)，接收两个数组并返回皮尔逊相关系数。随后，您将使用该函数计算 I. versicolor 的花瓣长度与花瓣宽度的相关系数。

我们再次附上您在前一练习中绘制的散点图，以帮助您回忆花瓣宽度与长度之间的关系。

本练习是课程的一部分

Python 中的统计思维（第 1 部分）

查看课程

练习说明

定义函数，签名为 pearson_r(x, y)。
- 使用 np.corrcoef() 计算 x 和 y 的相关系数矩阵（按此顺序传入 np.corrcoef()）。
- 函数返回该相关系数矩阵的 [0,1] 项。
计算数组 versicolor_petal_length 与 versicolor_petal_width 之间的皮尔逊相关系数。将结果赋值给 r。
打印结果。

交互式实操练习

通过完成这段示例代码来试试这个练习。

def ____(____, ____):
    """Compute Pearson correlation coefficient between two arrays."""
    # Compute correlation matrix: corr_mat


    # Return entry [0,1]
    return corr_mat[0,1]

# Compute Pearson correlation coefficient for I. versicolor: r


# Print the result

编辑并运行代码