使用 numpy 变量之间的相关性

Question

我需要计算标记为假/非假的文本中大写字母、特殊标点符号、特定单词的存在之间的相关性。

例如：

Text      Label        Uppercase       Special Punctuation    Specific Word

text1       1                1                       0                   1

text2       0                0                       0                   0

text3       1                1                       1                   1

text4       1                1                       1                   1

text5       0                0                       0                   1

大写字母、特殊标点符号和特定单词只能取这两个值之一：1 或 0。我想确定与标签相关的这些特征之间的相关性（假=1/非假=0）。我想使用皮尔逊相关系数如下

import numpy as np

# Create correlation matrix

corr_matrix = df.corr().abs()

我可以问你这是否是正确的函数，或者Python中是否有不同的相关函数来计算二进制变量之间的相关性？

Answer 1

该函数是正确的，但我不明白为什么你只使用绝对值。相关性的符号可以为关联的方向提供信息。我不熟悉你的背景，所以我只是标记这一点，而不做进一步的说明。相关性可以用略有不同的方式计算，即“pearson”、“kendall”、“spearman”。默认方法是“pearson”。您可以通过指定“method”参数来使用其他方法进行计算。像这样：corr_matrix = df.corr(method = 'kendall')

Answer 2

.corr()如果你有数值，应该可以工作。如果您的变量是字符串，只需将它们转换为整数并使用相关性即可。这应该有效：df[['Uppercase','Special Punctuation', 'Specific Word']].astype(int).corr()