corr , stats.pearsonr(df['x'], df['y'])

1. pandas.DataFrame.corr()

df['col'].corr() # 기본값 피어슨 상관계수
df['col'].corr(method = 'spearman') # 순위 기반 상관계수 스피어만 (서열형에 적합)
df['col'].corr(method = 'kendall') # 켄달 순위 상관계수

'pearson'	기본값, 연속형 변수 간 선형관계
'spearman'	순위형 또는 비선형 관계 탐색
'kendall'	순위형 변수 간 관계 (robust)

 

 

 

2. scipy.stats.pearsonr(x, y)

from scipy.stats import pearsonr

corr, pval = pearsonr(df['소득'], df['주택가격'])
print(corr)     # 상관계수
print(pval)     # 유의확률(p-value)

 

 

📕 비교표

항목	.corr()	stats.pearsonr(x, y)
상관계수 계산 방식	피어슨(기본값), spearman, kendall	피어슨(고정)
p-value 제공 여부	❌ 없음	✅ 있음
NaN처리	자동 무시	❌ 에러발생 (dropna 필요)
다변수 분석 지원	✅ (DataFrame 전체 상관 행렬	❌ (1:1 변수 비교만 가능)
주로 언제 사용하나	변수 간 전체 상관 구조 파악할 때	특정 변수 간 통계적 유의성 확인할 때