加上数据集的索引可视化皮尔逊系数结果

如果要加上数据集的索引，可以将数据集的索引和皮尔逊相关系数一起存储到一个DataFrame中，然后使用DataFrame的plot函数来绘制柱状图。以下是修改后的代码： ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt 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 corrs = [] for i in range(X.shape[1]): corr = pearson_correlation(X[:, i], y) corrs.append(corr) # 将数据集的索引和皮尔逊相关系数一起存储到一个DataFrame中 df = pd.DataFrame({'Pearson Correlation Coefficient': corrs}, index=data.columns[:-1]) # 可视化皮尔逊相关系数 df.plot(kind='bar') plt.xlabel('Features') plt.ylabel('Pearson Correlation Coefficient') plt.show() ``` 这里我们使用了DataFrame的plot函数来绘制柱状图，用kind参数指定图表类型为