如何获取DataFrame中sales变量与其余变量的有序相关性值

针对你的场景（90个变量，目标变量为sales），不需要计算全量变量的相关矩阵后再筛选，直接针对sales列计算相关性更高效，步骤如下：

1. 计算sales与所有变量的相关性并取绝对值：

corr_sales = df_train.corr()['sales'].abs()

2. 移除sales与自身的相关性（值为1，无参考意义）：

corr_sales = corr_sales.drop('sales')

3. 对相关性值进行排序（默认升序，若需要降序可添加ascending=False参数）：

sorted_corr = corr_sales.sort_values(ascending=False)

4. 输出结果：

print(sorted_corr)

也可以把代码合并成更简洁的一行：

print(df_train.corr()['sales'].abs().drop('sales').sort_values(ascending=False))

这样得到的结果就是sales与其余89个变量的相关性值，按从高到低（或从低到高）的顺序排列，更适配你当前的数据集规模。

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