Pandas皮尔逊相关性表列排序：将因变量n_hhld_trip设为第一列

解决方案 #

你修改pivot_table参数不生效的原因是：pandas的pivot_table接收字典类型的aggfunc参数时，输出的列会默认按列名字母顺序排序，不会遵循你在字典中写的变量顺序。你可以通过以下两种方式实现需求：

方法1：直接调整相关表的列顺序 #

计算完皮尔逊相关系数后，直接对相关表的列重排序即可，代码修改如下：

zone_sum_mean_combo = pd.pivot_table(
    read_excel,
    index=['Zone'],
    aggfunc={'Household ID': np.mean, 'dwtype': np.mean, 'n_hhld_trip': np.sum,
             'expf': np.mean, 'n_emp_ft': np.sum, 'n_emp_home': np.sum,
             'n_emp_pt': np.sum, 'n_lic': np.sum, 'n_pers': np.sum,
             'n_student': np.sum, 'n_veh': np.sum}
)

index_reset = zone_sum_mean_combo.reset_index()
print(index_reset)

pearson_correlation = index_reset.corr(method='pearson')
# 新增：把n_hhld_trip调整为第一列
pearson_correlation = pearson_correlation[['n_hhld_trip'] + [col for col in pearson_correlation.columns if col != 'n_hhld_trip']]
# 如果需要同时把n_hhld_trip调整为第一行，可以再加下面这行
pearson_correlation = pearson_correlation.reindex(index=['n_hhld_trip'] + [i for i in pearson_correlation.index if i != 'n_hhld_trip'])
print(pearson_correlation)

方法2：提前调整参与相关计算的数据集列顺序 #

如果Zone是区域编码、不需要参与相关性计算，可以提前指定参与计算的列顺序，后续生成的相关表会自动遵循该顺序：

zone_sum_mean_combo = pd.pivot_table(
    read_excel,
    index=['Zone'],
    aggfunc={'Household ID': np.mean, 'dwtype': np.mean, 'n_hhld_trip': np.sum,
             'expf': np.mean, 'n_emp_ft': np.sum, 'n_emp_home': np.sum,
             'n_emp_pt': np.sum, 'n_lic': np.sum, 'n_pers': np.sum,
             'n_student': np.sum, 'n_veh': np.sum}
)

index_reset = zone_sum_mean_combo.reset_index()
print(index_reset)

# 新增：指定参与相关计算的列顺序，把因变量放在第一个
feature_order = ['n_hhld_trip', 'Household ID', 'dwtype', 'expf', 'n_emp_ft', 'n_emp_home', 'n_emp_pt', 'n_lic', 'n_pers', 'n_student', 'n_veh']
pearson_correlation = index_reset[feature_order].corr(method='pearson')
print(pearson_correlation)

内容的提问来源于stack exchange，提问作者rb1705