spearman特征选择python代码

以下是使用Spearman相关系数进行特征选择的Python代码示例：

import pandas as pd
import numpy as np
from scipy.stats import spearmanr

# 读取数据
data = pd.read_csv("data.csv")

# 分离出特征和标签
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 计算Spearman相关系数
correlations = []
for i in range(X.shape[1]):
    corr, _ = spearmanr(X.iloc[:, i], y)
    correlations.append(corr)

# 将相关系数和特征名对应起来
correlations = np.array(correlations)
features = np.array(X.columns)
correlations_df = pd.DataFrame({'feature': features, 'correlation': correlations})

# 按照相关系数的绝对值从大到小排序
correlations_df = correlations_df.reindex(correlations_df['correlation'].abs().sort_values(ascending=False).index)

# 选取相关系数绝对值最大的前k个特征
k = 10
selected_features = correlations_df.iloc[:k, 0].values

print("Selected features:", selected_features)

在这个示例代码中，我们读取了一个名为 `data.csv` 的数据集，将其分离为特征和标签。然后，我们使用 `spearmanr` 函数计算每个特征和标签之间的Spearman相关系数，并将其存储在一个数组中。接着，我们将特征名和相关系数对应起来，并按照相关系数的绝对值从大到小排序。最后，我们选取相关系数绝对值最大的前k个特征作为选定的特征。