如何获取两列之间的相关性？

Question

I have such a dataframe df:

time | Score| weekday
01-01-21 12:00 | 1 | Friday
01-01-21 24:00 | 33 | Friday
02-01-21 12:00 | 12 | Saturday
02-01-21 24:00 | 9 | Saturday
03-01-21 12:00 | 11 | Sunday
03-01-21 24:00 | 8 | Sunday

我现在想要获取 Score 和 weekday 列之间的相关性。

我采取了以下步骤来获取它：

s_corr = df.weekday.str.get_dummies().corrwith(df['Score'])
print (s_corr)

我现在想知道这样做是否正确？还是创建一个新的数据框架，按照每天的time列首先对所有行进行求和，然后使用上面的代码获取Score和weekday之间的相关性会更好？或者还有其他改进建议吗？

- Tobitor

---

请查看有关此内容的Pandas文档：https://pandas.pydata.org/docs/reference/api/pandas.Series.corr.html在您的情况下，这意味着df ['Score'] .corr（other = df ['weekday']）或类似的内容。看起来您的“分数”列不是浮点类型，因此可能需要先将其转换为浮点数。 - Patrickens

嗯，我不认为这是我的问题的答案。我的代码可以工作，但我不知道它是否是正确的做法。 - Tobitor

我不确定正确的方法是什么，但您正在寻找分类变量（星期几）和离散变量（得分）之间的相关性。最好查找scipy.stats以获取适当的测试，尽管我不知道哪个！有一个关于相关函数的部分。 - Alex

你好，Alex，是的，Score是一个离散变量。我会查看你的链接。谢谢！ :-) - Tobitor

Answer 1

我以前使用过numpy.corrcoef来获取连续和分类变量之间的相关性。你可以尝试一下，看看它是否适用于你：

我首先为分类变量创建了虚拟变量：

df_dummies = pd.get_dummies(df['weekday'], drop_first= True)
df_new = pd.concat([df['Score'], df_dummies], axis=1)

我随后将带有 dummies 的 DataFrame 转换为 numpy 数组，并同样应用了 corrcoef：

df_arr = df_new.to_numpy()
corr_matrix = np.corrcoef(df_arr.T)

- Shivam Roy