Python中两个变量（分类和连续）之间的相关性

Question

我正在为一个简单的问题而苦苦挣扎，我需要检查客户位置是否对缺陷数量有影响。数据集就是这样。位置有 50 个值，本质上是分类的，缺陷是连续的。location  defects a            20 b            30 c            40 d            50 e            60 f            70 g            80

Answer 1

非常简单。您可以使用 将分类转换为数值。LabelEncoder

例：

from sklearn.preprocessing import LabelEncoder

import numpy as np

#data

location = np.array(['a','b','a'])

defects = np.array([1,2,1])

# the encoder

lb_make = LabelEncoder()

converted= lb_make.fit_transform(location) # convert to numerical

print(converted)

array([0, 1, 0])

np.corrcoef(defects,converted)[0][1]

0.9999999999999998

Answer 2

所以你基本上想计算（ratio_for_location）=（number_of_defects_for_location）/（total_number_of_whatever_for_location）并检查异常值/找到函数defect_ratio（位置）？