1. 皮尔逊相关（Pearson）显著性检验
检验方法：T检验（t-test）
-
皮尔逊相关系数的显著性检验，通常用t检验。
-
你用
scipy.stats.pearsonr计算相关系数时，返回的p值就是t检验的结果。 -
也可以手动用公式：
t=rn−21−r2t = \frac{r \sqrt{n-2}}{\sqrt{1 - r^2}}t=1−r2 rn−2
其中 ( r ) 为相关系数，( n ) 为样本量，自由度为 ( n-2 )。
结论：皮尔逊相关系数的显著性检验用t检验。
2. 斯皮尔曼相关（Spearman）显著性检验
检验方法：精确分布法或近似t检验
- 斯皮尔曼相关系数的显著性检验，
scipy.stats.spearmanr直接返回p值，底层是用精确分布法或近似t检验（大样本时）。 - 你只需看
spearmanr返回的p值即可判断显著性。
结论 ：斯皮尔曼相关系数的显著性检验直接用spearmanr的p值即可。
3. 总结表
| 相关系数类型 | 显著性检验方法 | Python常用函数 | p值含义 |
|---|---|---|---|
| 皮尔逊（Pearson） | t检验 | scipy.stats.pearsonr | 相关性是否显著 |
| 斯皮尔曼（Spearman） | 精确分布/近似t检验 | scipy.stats.spearmanr | 相关性是否显著 |
4. 代码举例
python
from scipy.stats import pearsonr, spearmanr
# 皮尔逊
r, p_pearson = pearsonr(df['X'], df['Y'])
print('皮尔逊相关系数:', r, 'p值:', p_pearson)
# 斯皮尔曼
rho, p_spearman = spearmanr(df['X'], df['Y'])
print('斯皮尔曼相关系数:', rho, 'p值:', p_spearman)结论：
- 皮尔逊相关系数用t检验（pearsonr的p值）。
- 斯皮尔曼相关系数用精确分布法或近似t检验（spearmanr的p值）。
只需关注pearsonr和spearmanr返回的p值即可判断显著性，无需手动实现检验。