如何从pandas DataFrame获取相关系数并解决KeyError: (1, 0)报错

报错根因 #

pandas的corr()方法返回的是带行列标签的DataFrame对象，而非Numpy数组，不能直接使用整数位置元组(1,0)进行索引，这是触发KeyError的核心原因。

解决方案 #

你可以从三种常用索引方式中任选一种解决取值问题：

• 用iloc按整数位置取相关系数矩阵的值

return s.corr().iloc[1,0]

• 先转为Numpy数组再按位置取值

return s.corr().to_numpy()[1,0]

• 按列名索引（更稳妥，不会因为列顺序调整出错）

corr_matrix = s.corr()
return corr_matrix.loc['A1', 'A3']

完整功能实现 #

以下是满足「A1与A3相关系数绝对值大于0.6时删除A3列」需求的完整可运行代码，同时清理了原代码中冗余的导入语句：

import pandas as pd
import numpy as np

def main():
    df = pd.read_csv('A1-dm.csv')
    processed_df = handle_high_correlation(df)
    print("处理后的数据集列：", processed_df.columns.tolist())

def handle_high_correlation(df):
    # 计算A1和A3的皮尔逊相关系数
    a1_a3_corr = df[['A1', 'A3']].corr().loc['A1', 'A3']
    print(f"A1与A3的相关系数为：{round(a1_a3_corr, 4)}")
    # 满足阈值则删除A3列
    if abs(a1_a3_corr) > 0.6:
        return df.drop(columns=['A3'])
    return df

if __name__ == "__main__":
    main()

运行你提供的样例数据集时，A1与A3的相关系数接近1，会触发删除条件，最终输出的数据集将不包含A3列。

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