基于State列计算Avg_speed与Death_rate相关性遇空DataFrame问题咨询

嘿，我来帮你梳理下问题出在哪，以及怎么解决：

问题根源分析 #

你现在的代码返回空DataFrame，主要有两个核心原因：

1. 数据读取逻辑错误：你用了header=None，这会把CSV里的表头行（就是state death_rate avg_speed那一行）当成普通数据行处理，再加上usecols=[1,2]只取后两列，导致读取到的数据混进了字符串类型的表头值，pandas没法正常计算数值相关性。
2. 缺少分组计算逻辑：你想要的是按每个state单独计算两列的相关性，但现有代码直接对整个数据集做了corr，完全没用到state列的分组功能。

修正后的完整代码 #

第一步：正确读取数据 #

先确保读取到正确的列和表头：

import pandas as pd
import numpy as np

# 读取CSV，指定需要的列，让pandas自动识别第一行为表头
dataset = pd.read_csv('result.csv', usecols=['state', 'death_rate', 'avg_speed'])

第二步：按State分组计算相关性 #

我们用groupby结合自定义函数，对每个state的子数据集单独计算相关性：

# 定义计算单组相关性的函数
def get_group_corr(group):
    # 计算avg_speed和death_rate的皮尔逊相关系数
    corr_value = group['avg_speed'].corr(group['death_rate'])
    # 返回结构化结果，方便后续合并成DataFrame
    return pd.Series({'correlation': corr_value})

# 按state分组，应用函数计算每个组的相关性
result = dataset.groupby('state').apply(get_group_corr).reset_index()

第三步：美观展示结果 #

现在result是包含每个state对应相关性的DataFrame，你可以用几种方式展示：

1. 直接打印基础结果：

print(result)

输出示例：

state correlation
0 AL （对应相关系数值）
1 AK （对应相关系数值）
...

2. 格式化打印（保留4位小数）：

print(result.style.format({'correlation': '{:.4f}'}))

3. 可视化展示（柱状图）：
   如果想更直观看到每个state的相关性差异，可以用matplotlib绘图：

import matplotlib.pyplot as plt

result.plot(kind='bar', x='state', y='correlation', figsize=(10,6), title='Correlation between Avg Speed and Death Rate by State')
plt.ylabel('Pearson Correlation Coefficient')
plt.show()

补充说明 #

皮尔逊相关系数的范围是[-1,1]：

• 接近1：表示两列数据正相关（avg_speed越高，death_rate越高）
• 接近-1：表示负相关（avg_speed越高，death_rate越低）
• 接近0：表示几乎没有线性相关性

内容的提问来源于stack exchange，提问作者saad