计算我的特征和目标变量之间相关性的最佳解决方案是什么？？我的数据框有 1000 行和 40 000 列...
例子:
df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])
这段代码工作正常，但在我的数据框上太长了……我只需要相关矩阵的最后一列:与目标的相关性(不是成对特征相关性)。
corr_matrix=df.corr()
corr_matrix["Target"].sort_values(ascending=False)
np.corcoeff() 函数适用于数组，但我们可以排除成对特征相关性吗？
最佳答案
您可以在每一列上使用 pandas corr:
df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target))
关于python - 计算特征和目标变量之间的相关性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52497451/