计算出spearman相关系数以后，对于相关系数大于0.8的特征，两者保留其一，最后把所有剩余特征保存在excel表里，怎么用python代码实现

可以使用Python中的pandas库来实现。以下是代码示例：

import pandas as pd

# 读取数据
df = pd.read_excel('data.xlsx')

# 计算相关系数矩阵
corr_matrix = df.corr(method='spearman')

# 找到相关系数大于0.8的特征对
high_corr_pairs = []
for i in range(len(corr_matrix.columns)):
    for j in range(i+1, len(corr_matrix.columns)):
        if corr_matrix.iloc[i,j] > 0.8:
            high_corr_pairs.append((corr_matrix.columns[i], corr_matrix.columns[j]))

# 保留每对特征中相关性较强的一个
features_to_drop = set()
for pair in high_corr_pairs:
    feature1, feature2 = pair
    if feature1 not in features_to_drop:
        if corr_matrix.loc[feature1, feature2] > corr_matrix.loc[feature2, feature1]:
            features_to_drop.add(feature2)
        else:
            features_to_drop.add(feature1)

# 删除要保留的列以外的特征
df = df.drop(columns=features_to_drop)

# 保存结果到excel表
df.to_excel('result.xlsx')

说明：

1. 代码中data.xlsx为数据所在的Excel文件，result.xlsx为最后结果要保存的Excel文件。

2. corr_matrix为相关系数矩阵，使用spearman方法计算。

3. high_corr_pairs为相关系数大于0.8的特征对列表。

4. features_to_drop为要删除的特征列表。

5. 基于相关性较强的特征对，每对特征中相关性较强的一个被保留，不强的一个被删除。

6. 最后通过df.drop()方法删除要保留的列以外的特征，得到最后结果并保存到Excel文件中。