我在区间[0,1]中有两个45个值的系列。第一个系列是人工生成的标准，第二个系列是计算机生成的（全系列http://www.copypastecode.com/74844/）。 第一个系列逐渐排序。
0.909090909 0.216196598
0.909090909 0.111282099
0.9 0.021432587
0.9 0.033901106
...
0.1 0.003099256
0 0.001084533
0 0.008882249
0 0.006501463
现在我要评估的是第二个系列中保留订单的程度，因为第一个系列是单调的。 Pearson相关是0.454763067，但我认为这种关系不是线性的，所以这个值很难解释。
一种自然的方法是使用 Spearman等级相关，在本例中为0.670556181。 我注意到随机值，当Pearson非常接近0时，Spearman等级相关性上升到0.5，所以0.67的值似乎非常低。
您将使用什么来评估这两个系列之间的顺序相似性？
答案 0 :(得分：6)
我想评估订单保留的程度
由于这是您关注的顺序（排名），因此Spearman排名相关性是更有意义的指标。
我注意到随机值[...] Spearman等级相关性上升到0.5
如何生成这些随机值？我刚刚使用numpy生成了一些随机数字的简单实验，我没有看到：
In [1]: import numpy as np
In [2]: import scipy.stats
In [3]: x = np.random.randn(1000)
In [4]: y = np.random.randn(1000)
In [5]: print scipy.stats.spearmanr(x, y)
(-0.013847401847401847, 0.66184551507218536)
第一个数字（-0.01）是秩相关系数;第二个数字（0.66）是the associated p-value。