python 相关性分析

在 Python 中，可以使用多种库进行相关性分析，常用的有 pandas、numpy 和 seaborn 等。

在 pandas 中，可以使用 corr() 函数计算 DataFrame 的列之间的相关性，也可以使用 corrwith() 函数计算一个 DataFrame 中某一列与其他列之间的相关性。示例代码如下：

import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 计算各列之间的相关系数
corr_matrix = data.corr()

# 计算某一列与其他列之间的相关系数
corr_with_target = data.corrwith(data['target'])

在 numpy 中，可以使用 corrcoef() 函数计算数组的相关系数矩阵。示例代码如下：

import numpy as np

# 生成随机数据
data = np.random.rand(100, 5)

# 计算相关系数矩阵
corr_matrix = np.corrcoef(data, rowvar=False)

在 seaborn 中，可以使用 heatmap() 函数绘制数据相关性热力图，也可以使用 pairplot() 函数绘制数据集中各个变量之间的散点图和直方图，并可加入相关性系数。示例代码如下：

import seaborn as sns
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 绘制相关性热力图
sns.heatmap(data.corr())

# 绘制散点图和直方图，并加入相关性系数
sns.pairplot(data, kind='scatter', diag_kind='hist', markers='+',
             plot_kws=dict(s=50, edgecolor='b', linewidth=1),
             diag_kws=dict(shade=True), 
             diag_sharey=False, 
             hue='target', 
             corner=True)

需要注意的是，相关性分析只能反映变量之间的线性关系，对于非线性关系无法准确反映。