给定一列，找到与指定列相关的最高变量

Question

如标题所示，我有一个名为 df 的数据框。

给定一个变量（df 的指定列），我想找到与该变量相关值最高的列。

到目前为止，这是我尝试过的：

def highest_correlated(df, column):
   sol = -1
   for col in df.columns:
       while col != column:
             corr = df[column].corr(df[col])
             if corr>sol:
                sol = corr
  return sol
      

这样做的问题是花费了太多时间，最后我没有得到任何结果，任何人都可以帮我找到解决方案吗？

Answer 1

一个展示概念的小例子

df = pd.DataFrame(np.random.random((5,5)), columns=list('abcde'))
df
          a         b         c         d         e
0  0.813973  0.948999  0.291432  0.081816  0.590892
1  0.117661  0.371609  0.420920  0.007232  0.596047
2  0.285615  0.840326  0.261307  0.839936  0.050935
3  0.215191  0.236140  0.588104  0.718885  0.047986
4  0.363681  0.280523  0.249036  0.712143  0.463029

现在找到相关性最高的列

df.corr()['a']
a    1.000000
b    0.686173
c   -0.464374
d   -0.297666
e    0.385181

我们得到的列'a'除外

df.corr()['a'][1:].abs().idxmax()
'b'

如果你不能方便地排列列

df.corr()['a'].drop('a').abs().idxmax()
'b'