import numpy as np import pandas as pd def pearson_correlation(x, y): """ 计算两个向量x和y之间的皮尔逊相关系数。 :param x: 第一

# 修改代码，将读取数据的方式改为pandas读取csv文件 import numpy as np import pandas as pd def pearson_correlation(x, y): """ 计算两个向量x和y之间的皮尔逊相关系数。 :param x: 第一个向量 :param y: 第二个向量 :return: 皮尔逊相关系数 """ # 计算均值 x_mean = np.mean(x) y_mean = np.mean(y) # 计算分子和分母 numerator = np.sum((x - x_mean) * (y - y_mean)) denominator = np.sqrt(np.sum((x - x_mean) ** 2) * np.sum((y - y_mean) ** 2)) # 计算皮尔逊相关系数 if denominator == 0: return 0 else: return numerator / denominator # 读取数据 data = pd.read_csv('E:\lunwenpython\measures_v2.csv') # 分离特征和标签 X = data.iloc[:, :-1].values y = data.iloc[:, -1].values # 计算每一列特征与标签之间的皮尔逊相关系数 for i in range(X.shape[1]): corr = pearson_correlation(X[:, i], y) print("Feature %d correlation with label: %.4f" % (i+1, corr))