corr() got an unexpected keyword argument 'numeric_only'

这个错误提示是因为在 pandas 1.2.0 之后的版本中，"corr()" 函数不再支持 "numeric_only" 参数。如果你想要计算数值型列之间的相关性，可以在计算前使用 ".select_dtypes()" 方法，选择只包含数值型列的子集，然后再使用 "corr()" 函数进行计算。例如：

numeric_df = df.select_dtypes(include='number')
correlation_matrix = numeric_df.corr()

这将会选择数据框 df 中所有数值型列的子集，然后计算这些列之间的相关性，得到一个相关性矩阵。

相关问题

TypeError: _cond_dispatcher() got an unexpected keyword argument 'check_finite'

这个错误通常是因为`numpy.linalg.cond`函数的版本过低，不支持`check_finite`参数。你可以尝试更新NumPy库到最新版本，或者使用较低版本的参数调用该函数。

如果更新NumPy库到最新版本仍然无法解决问题，可以考虑使用其他方法来计算矩阵条件数，如奇异值分解（SVD）或QR分解。这些方法也可以用NumPy库中的相应函数实现。例如，使用SVD分解计算矩阵条件数的代码如下：

import numpy as np

# 计算相关矩阵的条件数，判断多重共线性
def calc_condition_number(data):
    corr_matrix = np.corrcoef(data.T)  # 计算相关矩阵
    u, s, vh = np.linalg.svd(corr_matrix)  # 对相关矩阵进行SVD分解
    cond_number = s[0] / s[-1]  # 计算条件数
    return cond_number

# 示例数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([1, 2, 3])

# 将自变量和因变量合并为一个数组
data = np.column_stack((X, y))

# 计算条件数
cond_number = calc_condition_number(data)
print("条件数为：", cond_number)

这里使用`numpy.linalg.svd`函数对相关矩阵进行SVD分解，然后计算条件数。SVD分解的结果是三个矩阵：左奇异矩阵、奇异值矩阵和右奇异矩阵的转置，其中奇异值矩阵是一个对角矩阵，对角线上的元素就是奇异值。条件数等于奇异值矩阵的最大奇异值除以最小奇异值，这里直接计算了这个比值。

TypeError: _corrcoef_dispatcher() got an unexpected keyword argument 'corr'

这个错误通常是因为你在调用numpy库中的corrcoef函数时使用了一个非法的参数。在numpy的版本1.20.0及以上版本中，corrcoef函数的参数中增加了一个名为“corr”的关键字参数，用于指定相关系数的计算方法。如果你的numpy版本较低，可能不支持这个参数，因此会出现这个错误。

解决办法是升级numpy库的版本，或者在调用corrcoef函数时不使用“corr”参数。如果你确实需要指定相关系数的计算方法，可以通过升级numpy库的方式来解决这个问题。你可以使用以下命令来升级numpy库：

pip install --upgrade numpy

如果你不能升级numpy库，可以使用以下代码来调用corrcoef函数，不使用“corr”参数：

import numpy as np
x = [1, 2, 3, 4]
y = [4, 3, 2, 1]
corr_matrix = np.corrcoef(x, y)

这样可以避免使用“corr”参数，从而避免出现异常。