Какое наилучшее решение для вычисления корреляции между моими объектами и целевой переменной? У моего DataFrame есть 1000 строк и 40 000 столбцов...
Пример:
df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]], columns=['Feature1', 'Feature2','Feature3','Target'])
Этот код работает отлично, но это слишком долго на моем фреймворке... Мне нужен только последний столбец корреляционной матрицы: корреляция с целевым (не попарно штриховая привязка).
corr_matrix=df.corr()
corr_matrix["Target"].sort_values(ascending=False)
Функция np.corcoeff() работает с массивом, но мы можем исключить парную корреляцию объектов?
Вы можете использовать pandas corr
для каждого столбца:
df.drop("Target", axis=1).apply(lambda x: x.corr(df.Target))
Вы можете использовать scipy.stats.pearsonr для каждого столбца функции, например:
import pandas as pd
import numpy as np
from scipy.stats import pearsonr
# example data
df = pd.DataFrame([[1, 2, 4 ,6], [1, 3, 4, 7], [4, 6, 8, 12], [5, 3, 2 ,10]],
columns=['Feature1', 'Feature2','Feature3','Target'])
# Only compute pearson prod-moment correlations between feature
# columns and target column
target_col_name = 'Target'
feature_target_corr = {}
for col in df:
if target_col_name != col:
feature_target_corr[col + '_' + target_col_name] = \
pearsonr(df[col], df[target_col_name])[0]
print("Feature-Target Correlations")
print(feature_target_corr)