如何在Pandas中实现返回指定列的Top3最高相关性特征？

步骤说明 #

1. 提前计算数据框的相关系数矩阵，作为后续函数的数据源；
2. 定义top_corr函数，接收目标特征名和需要返回的Top数量；
3. 从相关系数矩阵中提取目标特征的相关系数序列，排除自身的完全相关项（系数为1）；
4. 按相关系数的绝对值降序排序（若仅需正相关，可移除abs()），取前N个结果；
5. 整理成指定格式的表格并输出。

完整代码实现 #

import pandas as pd
import numpy as np

# 生成示例数据框
df = pd.DataFrame(np.random.randint(0, 100, size=(5, 5)), columns=list('abcde'), index=list('abcde'))
# 计算相关系数矩阵
corr_df = df.corr()

def top_corr(feature, top_n):
    # 提取目标特征的相关系数，排除自身
    corr_series = corr_df.loc[feature].drop(feature)
    # 按相关系数绝对值降序排序，取前top_n个的索引
    sorted_indices = corr_series.abs().sort_values(ascending=False).head(top_n).index
    # 获取原始相关系数值并保留两位小数
    top_values = corr_series.loc[sorted_indices].round(2)
    # 构造结果数据框
    result = pd.DataFrame({
        'Features': [feature] * top_n,
        'Top Similar Features': sorted_indices,
        'Correlation': top_values
    })
    # 打印无索引的表格
    print(result.to_string(index=False))

# 调用示例
top_corr('a', 3)

输出示例 #

运行上述代码后，会输出类似如下格式的结果（数值随随机数据变化）：

Features    Top Similar Features    Correlation
       a                       b           0.60
       a                       c          -0.62
       a                       e           0.28

内容的提问来源于stack exchange，提问作者Mystic