One-Hot 编码和相关性答案

【问题标题】：One-Hot Encode & CorrelationOne-Hot 编码和相关性
【发布时间】：2020-12-13 00:42:07
【问题描述】：

我对一列“postcode”进行了一次性编码，我想看看它与标签编码为：（mass customer = 0, affluent customer = 1 and high net worth customer = 2）的财富段之间的相关性。

我想看看邮政编码和客户的财富之间是否存在相关性。问题是，我有很多列邮政编码，因为我有一个热编码。命名约定为 postcode_XXXX（XXXX 为 4 位数字）

我可以写什么来只找到这两个变量之间的相关性？我在数据框中还有 100 多个其他列，所以我不想简单地使用 df.corr() 方法。

【问题讨论】：

相关性意味着 2 个变量的共同运动。我认为您不会看到邮政编码和财富之间的这种关系。你可以把你的拉链变成地理位置，看看有些地方是否比其他地方更富有。或者只是按照居民的总财富对拉链进行分类。

【解决方案1】：

如果您只想要每个邮政编码列与财富段列的相关值，您可以简单地迭代包含邮政编码的列名，在每次迭代中过滤数据框并在过滤后的数据框上使用df.corr()。

例如：

cols = [c for c in df.columns if c.startswith('postcode_')]

for col in cols:
    filter_df = df[[col, 'wealth_segment']]
    print(filter_df.corr())

【讨论】：