多列数据相关性分析 pandas

在 Pandas 中，可以使用 `corr()` 方法计算数据帧中所有列之间的相关性系数。该方法返回一个相关性矩阵，其中每个元素表示两个变量之间的相关性系数。

示例代码：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 计算相关性矩阵
corr_matrix = df.corr()

# 打印相关性矩阵
print(corr_matrix)

在上面的代码中，`df` 是一个包含多列数据的 Pandas 数据帧。`corr()` 方法计算了数据帧中所有列之间的相关性系数，然后返回一个相关性矩阵。最后，我们打印出了相关性矩阵。

如果我们只想计算某些列之间的相关性系数，可以使用 `corr()` 方法的 `method` 参数。该参数可以取值为 `pearson` （默认值）、`kendall` 或 `spearman`，分别对应 Pearson 相关系数、Kendall Tau 相关系数和 Spearman 相关系数。

示例代码：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 计算某些列之间的相关性矩阵
cols = ['col1', 'col2', 'col3']
corr_matrix = df[cols].corr(method='pearson')

# 打印相关性矩阵
print(corr_matrix)

在上面的代码中，我们只计算了 `col1`、`col2` 和 `col3` 三列之间的相关性系数，使用了 `corr()` 方法的 `method` 参数指定了计算 Pearson 相关系数。