1、定义不同
Pearson相关系数被定义为他们的协方差除以标准差的乘积；Spearman相关性系数被定义为秩（有序）变量之间的Pearson相关系数。
2、线性不同
pearson相关系数是线性相关关系。spearman相关系数呈现非线性相关。
3、连续性不同
pearson相关系数呈现连续型正太分布变量之间的线性关系。spearman相关系数不要求正太连续，但至少是有序的。
4、使用情况不同
pearson相关是最常见的相关公式，用于计算连续数据的相关，比如计算班上学生数学成绩和语文成绩的相关可以用Pearson相关。
而spearman相关是专门用于分析顺序数据的，就是那种只有顺序关系，但并非等距的数据，比如计算班上学生数学成绩排名和语文成绩排名的关系。
参考资料来源：百度百科-Pearson相关系数
参考资料来源：百度百科-spearman相关系数
1、衡量内容
Pearson相关系数是用来衡量两个数据集合是否在一条线上面，用来衡量定距变量间的线性关系。
spearman相关系数是衡量两个变量的依赖性的非参数指标。
2、计算公式
Pearson相关系数：
spearman相关系数：
3、特点：
Pearson相关系数：相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
spearman相关系数：斯皮尔曼相关系数表明X(独立变量)和Y(依赖变量)的相关方向。如果当X增加时，Y趋向于增加，斯皮尔曼相关系数则为正。如果当X增加时，Y趋向于减少，斯皮尔曼相关系数则为负。斯皮尔曼相关系数为零表明当X增加时Y没有任何趋向性。
当X和Y越来越接近完全的单调相关时，斯皮尔曼相关系数会在绝对值上增加。当X和Y完全单调相关时，斯皮尔曼相关系数的绝对值为1。
参考资料来源：百度百科-Pearson相关系数
参考资料来源：百度百科-spearman相关系数
本回答被网友采纳1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，就是效率没有pearson相关系数高。
2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。
3.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。本回答被提问者和网友采纳
如使用spssau系统进行分析，可在相关分析下选择pearson系数或Spearman系数，同时结合智能文字分析可快速对数据进行解读。