本文主要演示pandas中DataFrame对象corr()方法的用法，该方法用来计算DataFrame对象中所有列之间的相关系数（包括pearson相关系数和spearman相关系数）。
perason描述的是两个变量之间的线性相关性，当相关系数等于1时，为正相关，x和y正好散落在直线上，并且变量y随着x的增加而增加，当相关系数等于-1时，为负相关，x和y很好的散落在直线上，变量y随着x的增大而减小，当相关系数为0时，两个变量之间互不相关。
（皮尔森相关系数百度介绍：https://baike.baidu.com/item/Pearson%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/6243913?fr=aladdin）
speraman则描述的是两个变量之间的单调性（斯皮尔曼相关系数百度：https://baike.baidu.com/item/spearman%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/7977847?fr=aladdin）
直接来干货：
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from scipy import linalg
data1=pd.read_csv(r’data_new.csv’,header=None)
data1.head(5)#这里只分析1~8列
data2=data1.loc[:,1:]
#这里查看各列与第8列之间的相关性
data2.corr(method=‘spearman’)
下面是用皮尔森查看关联系数的截图