python numpy 相关系数
    Python中的NumPy库提供了一些计算相关系数的函数。相关系数是用来衡量两个变量之间相关程度的指标。其中，常用的有以下几种：
    1.皮尔逊相关系数（Pearson Correlation Coefficient）：用于衡量两个变量之间的线性关系，取值范围为[-1,1]，数值越接近于1或-1则代表相关性越强，数值为0则代表两个变量之间不存在线性关系。
    2.斯皮尔曼相关系数（Spearman Correlation Coefficient）：用于衡量两个变量之间的单调关系（单调关系即指变量之间可以只是上升或下降的趋势，不一定是线性关系），取值范围也为[-1,1]。
    3.判定系数（Coefficient of Determination）：也称为R方值，用来衡量变量之间的方差占比，取值范围为[0,1]，数值越接近于1则代表模型拟合得越好，数值为0则代表模型一点拟合都没有。
    通过使用NumPy库里的相关系数函数，我们可以轻松地计算出以上三种相关系数。例如：
    - 皮尔逊相关系数：ef(x, y)
    - 斯皮尔曼相关系数：ef(x, y, rowvar=0, method='spearman')
    - 判定系数：ef(y_true, y_pred)**2
numpy库功能
    其中，x和y为两个需要比较的变量，y_true和y_pred为回归模型中的真实值和预测值。
    以上就是Python中使用NumPy库计算相关系数的方法介绍。