变量相关性
在SPL中可以使用pearson和spearman来评估变量之间关系的函数
例如，在房价预测的数据中，分析房屋的居住面积GrLivArea和销售价格SalePrice之间的关系
| A | |
| 1 | =file("D://house_prices_train.csv").import@qtc() |
| 2 | =A1.(GrLivArea) |
| 3 | =A1.(SalePrice) |
| 4 | =pearson(A2,A3) |
| 5 | =spearman(A2,A3) |
| 6 | =canvas() |
| 7 | =A6.plot("NumericAxis","name":"x") |
| 8 | =A6.plot("NumericAxis","name":"y","location":2) |
| 9 | =A6.plot("Dot","lineWeight":0,"lineColor":-16776961,"markerWeight":1,"axis1":"x","data1":A2,"axis2":"y","data2": A3) |
| 10 | =A6.draw(800,400) |
A4 计算居住面积和销售价格之间的pearson相关系数
A5 计算两变量的spearman相关系数
同样在SPL中也可以通过可视化的方式来分析变量之间的关系
A6-A10 绘制两变量之间的散点图，可以看到随着房屋面积的增加，销售价格也呈线性增加趋势。
