как проверить корреляцию между непрерывными и категориальными переменными в python?

У меня есть набор данных, включающий категориальные переменные(двоичные) и непрерывные переменные. Я пытаюсь применить модель линейной регрессии для прогнозирования непрерывной переменной. Может кто-то пожалуйста, дайте мне знать, как проверить корреляцию между категориальными переменными и непрерывной целевой переменной.

Текущий Код:

import pandas as pd
df_hosp = pd.read_csv('C:UsersLAPPY-2DesktopLengthOfStay.csv')

data = df_hosp[['lengthofstay', 'male', 'female', 'dialysisrenalendstage', 'asthma', 
              'irondef', 'pneum', 'substancedependence', 
              'psychologicaldisordermajor', 'depress', 'psychother', 
              'fibrosisandother', 'malnutrition', 'hemo']]
print data.corr()

все переменные, кроме lengthofstay категоричны. Должно ли это сработать?

6
categorical-data correlation linear-regression python

1 ответов

преобразование категориальной переменной в фиктивные переменные здесь и поместите переменную в numpy.матрица. Например:

данные.csv:

age,size,color_head
4,50,black
9,100,blonde
12,120,brown
17,160,black
18,180,brown

извлечь данные:

import numpy as np
import pandas as pd

df = pd.read_csv('data.csv')

df:

df

преобразовать категориальную переменную color_head в манекен переменные:

df_dummies = pd.get_dummies(df['color_head'])
del df_dummies[df_dummies.columns[-1]]
df_new = pd.concat([df, df_dummies], axis=1)
del df_new['color_head']

df_new:

df_new

поместите это в массив numpy:

x = df_new.values

вычислить соотношение:

correlation_matrix = np.corrcoef(x.T)
print(correlation_matrix)

выход:

array([[ 1.        ,  0.99574691, -0.23658011, -0.28975028],
       [ 0.99574691,  1.        , -0.30318496, -0.24026862],
       [-0.23658011, -0.30318496,  1.        , -0.40824829],
       [-0.28975028, -0.24026862, -0.40824829,  1.        ]])

посмотреть :

и NumPy.corrcoef

6