如何在 Python 中导入 Excel 文件列并找到它们之间的相关系数？

Posted 2023-02-25

【中文标题】如何在 Python 中导入 Excel 文件列并找到它们之间的相关系数？

【英文标题】：How can I import Excel file columns in Python and find correlation coefficient between them?

【发布时间】：2020-04-02 10:46:53

【问题描述】：

我在 Excel 文件中有很多数字列（例如，AAA、BBB、CCC、DDD 和 EEE）。 我需要将这些列导入 Python 并找到每 2 列之间的相关系数。 仅显示相关系数从 +0.5 到 +1 和 -0.5 到 -1 的列。

import pandas as pd
data = pd.read_excel('SO.xlsx')
df = pd.DataFrame(data)
df.corr()

【问题讨论】：

请问你能告诉我们你到目前为止尝试了什么吗？ meta.***.com/questions/284236/…

如果你想把它分成两部分——我会说使用 pandas 库来导入你的数据，然后这里有一篇非常有用的文章告诉你如何使用 numpy 计算相关性：machinelearningmastery.com/…

【参考方案1】：

这是一个非常简单的解决方案；我没有你的数据，所以我用我找到的样本数据完成了它。我们开始：

import pandas as pd
data = pd.read_excel('https://global.oup.com/us/companion.websites/fdscontent/uscompanion/us/static/companion.websites/9780199734177/Example_1_rawdata.xls')
df = pd.DataFrame(data)
df.corr()

输出如下：

              Hugs       Comps       PerAd       SocAc       ProAd        ComSt       PhyHlp    Encour       Tutor
    Hugs    1.000000    0.666100    0.149995    0.616721    0.541132    0.653129    0.473344    0.549393    0.565627
    Comps   0.666100    1.000000    0.247194    0.575720    0.509667    0.642069    0.424696    0.543826    0.487571
    PerAd   0.149995    0.247194    1.000000    0.222337    0.081263    0.163510    0.090505    0.181000    0.120080
    SocAc   0.616721    0.575720    0.222337    1.000000    0.409031    0.559579    0.338293    0.447923    0.348733
    ProAd   0.541132    0.509667    0.081263    0.409031    1.000000    0.666905    0.733851    0.464976    0.754339
    ComSt   0.653129    0.642069    0.163510    0.559579    0.666905    1.000000    0.595900    0.540038    0.671789
    PhyHlp  0.473344    0.424696    0.090505    0.338293    0.733851    0.595900    1.000000    0.432037    0.717585
    Encour  0.549393    0.543826    0.181000    0.447923    0.464976    0.540038    0.432037    1.000000    0.412042
    Tutor   0.565627    0.487571    0.120080    0.348733    0.754339    0.671789    0.717585    0.412042    1.000000

如果您添加以下内容，它将用空值替换所有 Pearson 相关性低于 0.5 的值：

df[df > 0.5]

【讨论】：

非常感谢@Plato77，我将不得不解决这个问题并恢复。

如何将“df[df > 0.5]”和“df[df