计算特征和目标变量之间的相关性

Question

计算我的特征和目标变量之间相关性的最佳解决方案是什么？我的数据框有 1000 行和 40 000 列...

示例：

df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])

这段代码运行良好，但在我的数据帧上太长了……我只需要相关矩阵的最后一列：与目标相关（不是成对特征相关）。

corr_matrix=df.corr()
corr_matrix["Target"].sort_values(ascending=False)

np.corcoeff() 函数适用于数组，但我们可以排除成对特征相关性吗？

Answer 1

您可以在每一列上使用 pandas corr：

df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target))

Answer 2

由于 Pandas 0.24 于 2019 年 1 月发布，您可以简单地使用DataFrame.corrwith()：

df.corrwith(df["Target"])

Answer 3

您可以像这样在每个特征列上使用 scipy.stats.pearsonr：

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

# example data
df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]],
                  columns=['Feature1', 'Feature2','Feature3','Target'])

# Only compute pearson prod-moment correlations between feature
# columns and target column
target_col_name = 'Target'
feature_target_corr = {}
for col in df:
    if target_col_name != col:
        feature_target_corr[col + '_' + target_col_name] = \
            pearsonr(df[col], df[target_col_name])[0]
print("Feature-Target Correlations")
print(feature_target_corr)

Answer 4

df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])

关于目标变量与所有其他特征之间的相关性：

df.corr()['Target']

这适用于我的情况。让我知道是否有任何更正/更新。

要获得任何确凿的结果，您的实例应至少是您的功能数量的 10 倍。