pandas 中df 对象自带相关性计算方法corr() , 可以用来计算DataFrame对象中所有列之间的相关系数（包括pearson相关系数、Kendall Tau相关系数和spearman秩相关）。

 

>>> import numpy as np

>>> import pandas as pd

>>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10),

     'B':np.random.randint(1, 100, 10),

     'C':np.random.randint(1, 100, 10)})

>>> df

     A   B   C

0   5  91   3

1  90  15  66

2  93  27   3

3  70  44  66

4  27  14  10

5  35  46  20

6  33  14  69

7  12  41  15

8  28  62  47

9  15  92  77

>>> df.corr()  # pearson相关系数

          A              B              C

A  1.000000 -0.560009  0.162105

B -0.560009  1.000000  0.014687

C  0.162105  0.014687  1.000000

>>> df.corr('kendall') # Kendall Tau相关系数

          A              B              C

A  1.000000 -0.314627  0.113666

B -0.314627  1.000000  0.045980

C  0.113666  0.045980  1.000000

>>> df.corr('spearman') # spearman秩相关

          A              B              C

A  1.000000 -0.419455  0.128051

B -0.419455  1.000000  0.067279

C  0.128051  0.067279  1.000000

参考：https://blog.csdn.net/oh5w6hinug43jvrhhb/article/details/78389809