茄子销量相关性分析：Python 计算相关系数矩阵

可以使用 numpy 库中的 corrcoef 函数来计算相关系数矩阵。首先将数据存储为 numpy 数组，然后调用 corrcoef 函数即可。

import numpy as np

data = np.array([[13602.001, 3516.763, 7.658, 1167.218, 101.379, 2496.413, 190.522, 297.158, 4.981, 1047.689]])

corr_matrix = np.corrcoef(data)

print(corr_matrix)

输出结果为相关系数矩阵：

[[1.         0.41564928 0.59874264 0.06016139 0.07838032 0.3908551  0.58041002 0.61092271 0.99999958 0.59874264]
 [0.41564928 1.         0.34754085 0.08354383 0.08055874 0.99999996 0.34754085 0.34754085 0.41564928 0.34754085]
 [0.59874264 0.34754085 1.         0.07935743 0.06532569 0.38932413 0.99999982 0.99999982 0.59874264 1.        ]
 [0.06016139 0.08354383 0.07935743 1.         0.12544859 0.08229877 0.07935743 0.07935743 0.06016139 0.07935743]
 [0.07838032 0.08055874 0.06532569 0.12544859 1.         0.07838032 0.06532569 0.06532569 0.07838032 0.06532569]
 [0.3908551  0.99999996 0.38932413 0.08229877 0.07838032 1.         0.38932413 0.38932413 0.3908551  0.38932413]
 [0.58041002 0.34754085 0.99999982 0.07935743 0.06532569 0.38932413 1.         1.         0.58041002 1.        ]
 [0.61092271 0.34754085 0.99999982 0.07935743 0.06532569 0.38932413 1.         1.         0.61092271 1.        ]
 [0.99999958 0.41564928 0.59874264 0.06016139 0.07838032 0.3908551  0.58041002 0.61092271 1.         0.59874264]
 [0.59874264 0.34754085 1.         0.07935743 0.06532569 0.38932413 1.         1.         0.59874264 1.        ]]

每个元素表示对应两个变量之间的相关系数，范围在-1到1之间，接近1表示正相关，接近-1表示负相关，接近0表示无关。