计算字符串列之间的相关性

Posted 2023-03-11

【中文标题】计算字符串列之间的相关性

【英文标题】：Calculate correlation between columns of strings

【发布时间】：2018-12-16 21:40:40

【问题描述】：

我有一个包含专业和媒体列的 df。我想计算这两列之间的相关性。

计算字符串列的相关性是否有一个简短的技巧？或者我是否已经将每个专业和媒体转换为一个数字，然后用 .corr() 计算相关性？

我发现了一个类似的问题 (Is there a way to get correlation with string data and a numerical value in pandas?)，但我想检查字符串，而不是字符串中的每个单词。

df

  profession        media      

0 media lawyer      print
1 student           online
2 student           print
3 professor         online
4 media lawyer      online

【参考方案1】：

您可以将数据类型转换为分类然后执行此操作

df['profession']=df['profession'].astype('category').cat.codes
df['media']=df['media'].astype('category').cat.codes
df.corr()

【讨论】：

您能否对此答案提供一些解释。它工作正常。只是我想知道为什么 .cat.codes。 .codes 有什么作用？

.cat.codes 将您的类别从字符串表示形式转换为整数表示形式。例如，media lawyer 将被替换为 0，student 将被替换为 1，professor 将被替换为 2。在另一列中，print 将被替换为 0，online 将被替换与 1