entityMap|blocks|key|5v8an|text|您可以首先使用df.corr()计算相关性，然后查找列名，如下所示。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|csobq|试试这个：|daq2k|import+pandas+as+pd
import+numpy+as+np

df+=+pd.DataFrame(np.random.RandomState(0).rand(10,+10))
corr+=+df.corr()
#+++0+++++++++++1+++++++++++2+++++++++++3+++++++++++4++++++++++++5++++++++++6+++++++++++7+++++++++++8+++++++++++9
#0++1.000000++++0.347533++++0.398948++++0.455743++++0.072914++++-0.233402+++-0.731222+++0.477978++++-0.442621+++0.015185
#1++0.347533++++1.000000++++-0.284056+++0.571003++++-0.285483+++0.382480++++-0.362842+++0.642578++++0.252556++++0.190047
#2++0.398948++++-0.284056+++1.000000++++-0.523649+++0.152937++++-0.139176+++-0.092895+++0.016266++++-0.434016+++-0.383585
#3++0.455743++++0.571003++++-0.523649+++1.000000++++-0.225343+++-0.227577+++-0.481548+++0.473286++++0.279258++++0.446650
#4++0.072914++++-0.285483+++0.152937++++-0.225343+++1.000000++++-0.104438+++-0.147477+++-0.523283+++-0.614603+++-0.189916
#5++-0.233402+++0.382480++++-0.139176+++-0.227577+++-0.104438+++1.000000++++-0.030252+++0.417640++++0.205851++++0.095084
#6++-0.731222+++-0.362842+++-0.092895+++-0.481548+++-0.147477+++-0.030252+++1.000000++++-0.494440+++0.381407++++-0.353652
#7++0.477978++++0.642578++++0.016266++++0.473286++++-0.523283+++0.417640++++-0.494440+++1.000000++++0.375873++++0.417863
#8++-0.442621+++0.252556++++-0.434016+++0.279258++++-0.614603+++0.205851++++0.381407++++0.375873++++1.000000++++0.150421
#9++0.015185++++0.190047++++-0.383585+++0.446650++++-0.189916+++0.095084++++-0.353652+++0.417863++++0.150421++++1.000000


threshold+=+0.2
uncorr+=+(corr[(corr.abs()+>+threshold)].fillna('True').apply(lambda+row:+row[row+==+'True'].index.tolist(),+axis=1))
uncorr_df+=+uncorr.to_frame('col_name_uncorrelated')
#+0+with+4,9+uncorrelated
#+1+with+9+uncorrelated
...
#+9+with+0,+1,+4,+5,+8+uncorrelated|code-block|syntax|javascript|fuhbj|输出：|b0ov7|>>>+uncorr_df

++++col_name_uncorrelated
0+++[4,+9]
1+++[9]
2+++[4,+5,+6,+7]
3+++[]
4+++[0,+2,+5,+6,+9]
5+++[2,+4,+6,+9]
6+++[2,+4,+5]
7+++[2]
8+++[9]
9+++[0,+1,+4,+5,+8]|3q7oq^0|7|9|0|0|0|0|0^^$0|$]|1|@$2|3|4|5|6|7|8|S|9|@$A|T|B|U|C|D]]|E|@]|F|$]]|$2|G|4|H|6|7|8|V|9|@]|E|@]|F|$]]|$2|I|4|J|6|K|8|W|9|@]|E|@]|F|$L|M]]|$2|N|4|O|6|7|8|X|9|@]|E|@]|F|$]]|$2|P|4|Q|6|K|8|Y|9|@]|E|@]|F|$L|M]]|$2|R|4|-4|6|7|8|Z|9|@]|E|@]|F|$]]]]

You can first compute correlation with <code>df.corr()</code> then find column name like below.
try this:
<pre><code>import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.RandomState(0).rand(10, 10))
corr = df.corr()
# 0 1 2 3 4 5 6 7 8 9
#0 1.000000 0.347533 0.398948 0.455743 0.072914 -0.233402 -0.731222 0.477978 -0.442621 0.015185
#1 0.347533 1.000000 -0.284056 0.571003 -0.285483 0.382480 -0.362842 0.642578 0.252556 0.190047
#2 0.398948 -0.284056 1.000000 -0.523649 0.152937 -0.139176 -0.092895 0.016266 -0.434016 -0.383585
#3 0.455743 0.571003 -0.523649 1.000000 -0.225343 -0.227577 -0.481548 0.473286 0.279258 0.446650
#4 0.072914 -0.285483 0.152937 -0.225343 1.000000 -0.104438 -0.147477 -0.523283 -0.614603 -0.189916
#5 -0.233402 0.382480 -0.139176 -0.227577 -0.104438 1.000000 -0.030252 0.417640 0.205851 0.095084
#6 -0.731222 -0.362842 -0.092895 -0.481548 -0.147477 -0.030252 1.000000 -0.494440 0.381407 -0.353652
#7 0.477978 0.642578 0.016266 0.473286 -0.523283 0.417640 -0.494440 1.000000 0.375873 0.417863
#8 -0.442621 0.252556 -0.434016 0.279258 -0.614603 0.205851 0.381407 0.375873 1.000000 0.150421
#9 0.015185 0.190047 -0.383585 0.446650 -0.189916 0.095084 -0.353652 0.417863 0.150421 1.000000


threshold = 0.2
uncorr = (corr[(corr.abs() &gt; threshold)].fillna('True').apply(lambda row: row[row == 'True'].index.tolist(), axis=1))
uncorr_df = uncorr.to_frame('col_name_uncorrelated')
# 0 with 4,9 uncorrelated
# 1 with 9 uncorrelated
...
# 9 with 0, 1, 4, 5, 8 uncorrelated
</code></pre>
Output:
<pre><code>&gt;&gt;&gt; uncorr_df

 col_name_uncorrelated
0 [4, 9]
1 [9]
2 [4, 5, 6, 7]
3 []
4 [0, 2, 5, 6, 9]
5 [2, 4, 6, 9]
6 [2, 4, 5]
7 [2]
8 [9]
9 [0, 1, 4, 5, 8]
</code></pre>

entityMap|blocks|key|7986r|text|首先计算相关性：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|as28f|import+pandas+as+pd
myDataFrame=pd.DataFrame(data)

correl=myDataFrame.corr()|code-block|syntax|javascript|3ovtf|定义你所说的“不相关”是什么意思。我将在这里使用0.5的绝对值|162r5|uncor_level=0.5|akp3n|以下代码将为您提供不相关对的名称|5b3m3|pairs=np.full([len(correl)**2,2],None)+#define+an+empty+array+to+store+the+results
z=0
for+x+in+range(0,len(correl)):+#loop+for+each+row(index)

++++for+y+in+range(0,len(correl)):+#loop+for+each+column

++++++++if+abs(correl.iloc[x,y])<uncor_level:

++++++++++++pair=[correl.index[x],correl.columns[y]]
++++++++++++pairs[z]=pair
++++++++++++z=z%2B1|bptlo^0|0|0|0|0|0|0^^$0|$]|1|@$2|3|4|5|6|7|8|Q|9|@]|A|@]|B|$]]|$2|C|4|D|6|E|8|R|9|@]|A|@]|B|$F|G]]|$2|H|4|I|6|7|8|S|9|@]|A|@]|B|$]]|$2|J|4|K|6|E|8|T|9|@]|A|@]|B|$F|G]]|$2|L|4|M|6|7|8|U|9|@]|A|@]|B|$]]|$2|N|4|O|6|E|8|V|9|@]|A|@]|B|$F|G]]|$2|P|4|-4|6|7|8|W|9|@]|A|@]|B|$]]]]

First of all calculate the correlation:
<pre><code>import pandas as pd
myDataFrame=pd.DataFrame(data)

correl=myDataFrame.corr()
</code></pre>
Define what you mean by &quot;uncorrelated&quot;. I will use an absolute value of 0.5 here
<pre><code>uncor_level=0.5
</code></pre>
The following code will give you the names of the pairs that are uncorrelated
<pre><code>pairs=np.full([len(correl)**2,2],None) #define an empty array to store the results
z=0
for x in range(0,len(correl)): #loop for each row(index)

 for y in range(0,len(correl)): #loop for each column

 if abs(correl.iloc[x,y])&lt;uncor_level:

 pair=[correl.index[x],correl.columns[y]]
 pairs[z]=pair
 z=z+1
</code></pre>

I have a DataFrame where some columns are columns are correlated and some are not. I want to display only the uncorrelated columns as output. can anyone help me out in solving this.I dont want to plot but display the uncorrelated column names.

How to display uncorrelated columns using python code without plotting

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

 我有一个DataFrame，其中一些列是相关的，而一些列是不相关的。我想只显示不相关的列作为输出。有人能帮我解决这个问题吗?我不想作图，但要显示不相关的列名。 

问如何使用python代码显示不相关的列而不绘制
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何使用python代码显示不相关的列而不绘制EN