Kendall秩相关以Maurice Kendall命名。它也被称为Kendall相关系数，通常用小写希腊字母tau（t）表示。所以，它也被称为Kendall’s tau。这种检验是计算两个样本之间匹配或一致排名的标准化分数。因此，也称为Kendall’s concordance test。在Python中，Kendall秩相关系数可以使用SciPy函数kendalltau（）计算。它将两个数据样本作为参数，并返回相关系数和p值。作为统计假设检验，该方法假设（H0）两个样本之间没有关联。我们可以在测试数据集上演示计算结果，我们预计会报告强正相关。下面列出了完整的示例：

from numpy.random import rand

from numpy.random import seed

from scipy.stats import kendalltau

# seed random number generator

seed(1)

# prepare data

data1 = data['x']

data2 = data['price']

# calculate kendall's correlation

coef, p = kendalltau(data1, data2)

print('Kendall correlation coefficient: %.3f' % coef)

# interpret the significance

alpha = 0.05

if p > alpha:

print('Samples are uncorrelated (fail to reject H0) p=%.3f' % p)

else:

print('Samples are correlated (reject H0) p=%.3f' % p)

Kendall correlation coefficient: 0.831

Samples are correlated (reject H0) p=0.000

运行该示例，Kendall相关系数为 0.8，这是高度相关。与Spearman一样，p值接近零（打印为零），这意味着我们可以放心地驳回样本不相关的零假设。