DataFrame的.corr()与数组相关性分析：哪种方案更优？

1. DataFrame.corr() vs 数组相关性分析：哪个更合适？ #

这取决于你的数据形态和需求：

• 如果你处理的是带列名的结构化数据集（比如CSV导入的表格数据），优先用DataFrame.corr()：它直接输出带列名的相关性矩阵，可读性极强，不用手动映射数组索引和特征名称，还能通过method参数切换皮尔逊、斯皮尔曼等相关性计算方法，上手成本低。
• 如果是纯数值矩阵（无特征标签），用numpy的np.corrcoef()更高效：省去了DataFrame的封装开销，适合处理原始数值数组，比如深度学习里的特征张量预处理阶段。

2. 能否对数组执行相关性分析？ #

当然可以，最常用的是numpy的np.corrcoef()函数。注意它的rowvar参数：

• 默认rowvar=True：表示每行代表一个变量，每列是样本
• 如果你的数组是每列一个特征（和DataFrame结构一致），要设置rowvar=False

示例代码：

import numpy as np
# 生成100个样本、5个特征的数组
arr = np.random.randn(100, 5)
# 计算特征间的相关性矩阵
corr_matrix = np.corrcoef(arr, rowvar=False)

3. StandardScaler归一化后，变量相关性会变化吗？ #

不会。StandardScaler做的是线性变换：x' = (x - 均值) / 标准差，而皮尔逊相关性衡量的是变量间的线性关联程度，线性变换不会改变这种线性关系的强度和方向。

验证代码：

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler

# 创建测试数据集
df = pd.DataFrame(np.random.randn(100, 3), columns=["feat1", "feat2", "feat3"])
# 原始相关性
orig_corr = df.corr()
# 归一化处理
scaler = StandardScaler()
scaled_data = scaler.fit_transform(df)
# 归一化后的相关性
scaled_corr = pd.DataFrame(scaled_data).corr()

# 对比结果（忽略浮点误差）
print(np.allclose(orig_corr, scaled_corr))  # 输出True

内容的提问来源于stack exchange，提问作者Usama Waseem