如何封装Pandas相关性计算函数，避免重复输入列名参数？

问题描述 #

原有代码用于计算DataFrame中所有列与指定列的相关性：

corrresult = df1.drop("COMPRIMISED_ALERT", axis=1).apply(lambda x: x.corr(df1.COMPRIMISED_ALERT))

尝试封装为函数时遇到错误，因为传入的列名是带引号的字符串，但函数中误用了属性访问方式导致无法正确获取列：

def correlation_vector (d,v):  
    corrresult = d.drop(v, axis=1).apply(lambda x: x.corr(d.v)) 
    return corrresult 

需求是不新增第三个参数，仅通过传入DataFrame和带引号的列名字符串实现功能。

解决方案 #

问题出在d.v的访问方式上——当列名是字符串变量时，Pandas需要用方括号索引d[v]来获取对应列，而不是属性访问。修改后的函数如下：

def correlation_vector(d, v):
    corrresult = d.drop(v, axis=1).apply(lambda x: x.corr(d[v]))
    return corrresult

说明 #

• d.drop(v, axis=1)本身就支持传入字符串类型的列名，无需修改；
• 将d.v替换为d[v]后，就能通过字符串变量v正确定位到目标列，与x.corr()配合完成相关性计算。

调用示例 #

corrresult = correlation_vector(df1, "COMPRIMISED_ALERT")

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