Python是一種廣泛應用于科學計算和數據分析的高級編程語言。對于許多統計學和機器學習問題，我們需要計算相關性系數。而R方（R2）就是常用的相關性指標之一。

R2越接近1，模型的擬合度就越好。在Python中，我們可以使用scikit-learn包來計算R2。

from sklearn.metrics import r2_score
# 創建兩個數組
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
# 計算R2
r2 = r2_score(y_true, y_pred)
print("R2值：", r2)

上面的代碼首先導入了scikit-learn中的r2_score函數，然后創建了兩個數組作為參考和預測值。最后通過調用r2_score函數來計算R2。

除了使用scikit-learn包之外，我們還可以手動計算R2。以下是手動計算R2的代碼：

import numpy as np
def r_squared(y_true, y_pred):
# 計算平均值
mean_y = np.mean(y_true)
# 計算總平方和
ss_tot = 0
for i in range(len(y_true)):
ss_tot += (y_true[i] - mean_y) ** 2
# 計算殘差平方和
ss_res = 0
for i in range(len(y_true)):
ss_res += (y_true[i] - y_pred[i]) ** 2
# 計算R2
r2 = 1 - (ss_res / ss_tot)
return r2
# 測試手動計算R2
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
r2 = r_squared(y_true, y_pred)
print("手動計算R2值：", r2)

手動計算R2需要計算平均值、總平方和和殘差平方和。最后通過這些數值計算R2。這個計算方法對于小數據集來說是非常簡單和有效的。

總而言之，Python提供了多種計算R2的方法，包括使用scikit-learn包和手動計算。選擇哪種方法取決于你的數據集大小和需求。希望這篇文章能夠幫助你更好地理解Python計算R2的方法。