python - 如何选择与数据框中某一特定列高度相关的列

Question

我有一个包含 100 多列的数据框，我试图用它来构建模型。在这种情况下，此数据框中的一列 (A) 被视为响应，所有其他列(B、C、D 等)都是预测变量。因此，我试图根据相关系数(比如 >0.2)选择与 A 列相关的所有列。我已经生成了一个热图，其中包含每对列之间的所有相关因子。但是我可以在 pandas 中有一个快速的方法来将所有相关因子超过 0.2 的列(当然如果需要我会调整)到 A 列吗？提前致谢!

Answer 1

使用 DataFrame 计算相关性，然后使用 bool 掩码根据您的截止条件对列进行切片。

import pandas as pd
df = pd.DataFrame({'A': [1,2,3,4,5,6,7,8,9,10],
                   'B': [1,2,4,3,5,7,6,8,10,11], 
                   'C': [15,-1,17,-10,-10,-13,-99,-101,0,0],
                   'D': [0,10,0,0,-10,0,0,-10,0,10]} )

df.loc[:, df.corr()['A'] > 0.2]

    A   B
0   1   1
1   2   2
2   3   4
3   4   3
4   5   5
5   6   7
6   7   6
7   8   8
8   9   10
9   10  11