变量内字符串之间的相关性

Question

如何评估每个变量中每种类型之间的相关性？df      level            job0     good           golfer1     bad           footballer2   intermediate     musician...预期输出是一个相关表或类似的东西：             golfer  footballer  musician  ...good      bad       intermediate 我试过：df['level']=df['level'].astype('category').cat.codesdf['job']=df['job'].astype('category').cat.codesdf.corr()

Answer 1

您可以使用pd.crosstab

df1 = pd.crosstab(df.level, df.job)

df1

对于我的示例数据，您将得到输出

job           footballer  golfer  musician

level

bad                    1       3         3

good                   3       3         2

intermediate           1       2         2

然后除以每行的总和

 df1 / df1.sum()

输出

job           footballer  golfer  musician

level

bad                  0.2   0.375  0.428571

good                 0.6   0.375  0.285714

intermediate         0.2   0.250  0.285714

Answer 2

从预期的输出来看，您需要一个频率表。我想这可以做得更好，但一种方法是：

count_combos = pd.Series(zip(df.level, df.job)).value_counts()
count_combos.index = pd.MultiIndex.from_tuples(count_combos.index)
count_combos.unstack()