用python计算变量间相关性

本文从连续性数据和分类数据来分别展开计算变量间的相关性系数，其中分类变量的相关性系数计算较为复杂，运用了两种方法：（1）根据熵来算相关系数；（2）根据Gini系数计算相关系数
其中连续性数据相关性分析的数据源来自：百度网盘，相应的课程来源：慕课网

数据源

共包括10个变量，如下：satisfaction_level（满意度）,last_evaluation（上司评价）,number_project（项目数量）,average_monthly_hours（每月工作市场）,time_spend_company（在公司的时间）,Work_accident（工作事故）,left（离职率）,promotion_last_5years（五年内是否晋升）,department（部门）,salary（工资高低）。

一.连续性数据

连续性数据可用相关系数直接衡量。

import pandas as pd
import numpy as np
import scipy.stats as ss
import matplotlib.pyplot as plt
import seaborn as sns
#导入相应的模块
sns.set_context(font_scale=1.5)
#设置字体大小为1.5倍
df=pd.read_csv(r'C:\Users\me\Desktop\HR.csv')
#读入数据
df=df.dropna(how='any',axis=0)
#删除缺失值
df=df[df['last_evaluation']<=1][df['salary']!='nme'][df['department']!='sale']
#删除异常值
sns.heatmap(df.corr(),vmin=-1,vmax=1,cmap=sns.color_palette('RdBu',n_colors=128))
#画热力图，图例最小值 -1，最大值1，颜色对象设为红蓝('RdBu'),颜色数目为128
plt.show()

蓝色代表接近1（正相关），红色代表接近于-1（负相关），颜色越深，相关性越强。

二.离散型数据

两类离散属性数据的相关性，只有两个分类，可编码为1或0，可用皮尔逊系数或Gini系数来计算。
多类离散属性数据如果为定序数据，可编码成0，1，2，3…