我已经搜索了很多，但没有解释SciPy如何计算相关系数的p值以及为什么它对于小于500的数据集而言不可靠（在功能页面上由SciPy启动）。
答案 0 :(得分：0)
scipy.stats.pearsonr使用t distribution计算p值。 （你可以检查the source code in the file stats.py on github。）这绝对应该在docstring中提到。
这是一个例子。首先，导入pearsonr和scipy的t分发实现：
In [334]: from scipy.stats import pearsonr, t as tdist
为此示例定义x和y：
In [335]: x = np.array([0, 1, 2, 3, 5, 8, 13])
In [336]: y = np.array([1.2, 1.4, 1.6, 1.7, 2.0, 4.1, 6.6])
为此数据计算r和p：
In [337]: r, p = pearsonr(x, y)
In [338]: r
Out[338]: 0.9739566302403544
In [339]: p
Out[339]: 0.0002073053505382502
现在再次计算p，首先计算t统计量，然后找到该t值的两倍生存函数：
In [340]: df = len(x) - 2
In [341]: t = r * np.sqrt(df/(1 - r**2))
In [342]: 2*tdist.sf(t, df) # This is the p value.
Out[342]: 0.0002073053505382502
我们得到了与预期相同的p值。
我不知道声明的来源＆＃34; p值并不完全可靠，但对于大于500左右的数据集来说可能是合理的＆＃34;。如果有人知道可引用的引用，则应将其添加到pearsonr docstring。