想要計算科學研究中常用的r方值，Python是很好的選擇。r方值衡量了兩個變量之間的相關性，它的取值范圍在0到1之間。如果越接近1，表示這兩個變量的相關性越強；如果越接近0，表示這兩個變量之間的相關性越弱。

Python有很多處理數據的工具包，例如NumPy、Pandas和Scikit-learn，其中Scikit-learn是專門用于數據挖掘和機器學習的庫。下面是使用Scikit-learn計算r方值的一個示例代碼：

import numpy as np
from sklearn.metrics import r2_score
y_true = np.array([1, 2, 3])
y_pred = np.array([1.2, 2.2, 2.8])
r2 = r2_score(y_true, y_pred)
print("r2 = ", r2)

在這個示例代碼中，我們先導入了NumPy和Scikit-learn庫。然后，我們創建了兩個數組y_true和y_pred來存儲真實值和預測值。接下來，我們使用Scikit-learn庫的r2_score函數來計算r方值，并將結果存儲在變量r2中。最后，我們使用print函數輸出r2的值。

需要注意的是，r2_score函數可以接受多維數組作為參數。

在實際應用中，我們通常會用r方值來評估機器學習模型的擬合效果，即用來衡量模型預測能力的好壞。比如，在線性回歸模型中，r方值可以用來確定擬合的程度，如果r方值越接近1，則表明擬合程度越好。

在Python中，使用Scikit-learn計算r方值非常方便，只需要幾行代碼即可。當然，如果對于數據處理和機器學習的細節有更深入的了解，更多的Python庫也可以提供更多的支持。