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 numpy
X = [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)/XSD
ZY = (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：