Pandas中整数与布尔值的相关性分析及Pearson系数合理性探讨

嘿，这个问题问得很实际，我来帮你理清楚这两个关键点：

一、如何计算price与每个布尔特征的相关性 #

在Pandas里，布尔值会自动被映射为1（True）和0（False），所以计算相关性的操作非常直接，用你提到的df.corr()就能搞定，也可以单独针对每个布尔特征精准计算：

步骤1：构造数据集 #

import pandas as pd

data = {
    'price': [13000, 20000, 15000, 13000, 15000],
    'bool_qual_1': [True, False, True, False, True],
    'bool_qual_2': [True, True, True, False, True],
    'bool_qual_3': [True, True, False, False, True]
}
df = pd.DataFrame(data)

步骤2：计算相关性 #

• 方法1：生成完整相关系数矩阵，直接查看price与三个布尔特征的对应值：

  print(df.corr())
  

  输出结果中price行对应的三个布尔列数值，就是你要的相关性系数。

• 方法2：单独计算每个布尔特征与price的相关系数，更直观：

  for col in ['bool_qual_1', 'bool_qual_2', 'bool_qual_3']:
      corr_value = df['price'].corr(df[col])
      print(f"price 和 {col} 的Pearson相关系数: {corr_value:.4f}")
  

二、Pearson相关系数用于整数与布尔值是否合理？ #

完全合理！这里你其实用到的是点二列相关系数（Point-Biserial Correlation），而Pearson相关系数在「连续变量（比如price）+ 二分变量（你的布尔特征）」的场景下，和点二列相关系数是完全等价的。

简单来说：把布尔值编码为0/1后，Pearson系数会准确衡量price和布尔特征之间的线性相关程度——比如bool_qual_1为True时，price整体是更高还是更低，这种线性趋势的强弱程度。

补充注意点 #

如果你的布尔特征是从连续变量人为划分出来的（比如把price>15000设为True），那可能需要谨慎评估，但你的情况是原生的布尔属性（比如是否具备某个品质），所以Pearson完全适用。要是你担心数据不符合正态分布之类的假设，也可以试试Spearman秩相关系数，只需要在corr()里指定参数：df['price'].corr(df[col], method='spearman')，不过大部分情况下Pearson就足够满足需求了。

内容的提问来源于stack exchange，提问作者Zeruno