Pandas 负相关对分类数据的影响？

PS：我是数据科学的学生，我想知道关联对分类数据的影响

假设我有两个功能，例如票务等级，1,2,3（等级3低于等级1）作为一个类别，座位号作为a、B、C、D、E、F&N（其中N表示缺失数据）作为另一个类别

看起来是这样的：

Tclass    Seat
1          A       
2          C
3          E 
2          D
3          N
1          A
1          N

Tclass    1.000000
Seat_N    0.713857
Seat_F    0.013122
Seat_C   -0.042750
Seat_A   -0.202143
Seat_E   -0.225649
Seat_D   -0.265341
Seat_B   -0.353414

我执行的步骤是：

Tclass    Seat
1          A       
2          C
3          E 
2          D
3          N
1          A
1          N

Tclass    1.000000
Seat_N    0.713857
Seat_F    0.013122
Seat_C   -0.042750
Seat_A   -0.202143
Seat_E   -0.225649
Seat_D   -0.265341
Seat_B   -0.353414

• 我给座位编了一个热编码不
• 然后我使用df.corr（）检查结果数据帧的相关性

相关结果为：

Tclass    Seat
1          A       
2          C
3          E 
2          D
3          N
1          A
1          N

Tclass    1.000000
Seat_N    0.713857
Seat_F    0.013122
Seat_C   -0.042750
Seat_A   -0.202143
Seat_E   -0.225649
Seat_D   -0.265341
Seat_B   -0.353414

我的问题是：

Tclass    Seat
1          A       
2          C
3          E 
2          D
3          N
1          A
1          N

Tclass    1.000000
Seat_N    0.713857
Seat_F    0.013122
Seat_C   -0.042750
Seat_A   -0.202143
Seat_E   -0.225649
Seat_D   -0.265341
Seat_B   -0.353414

在这种情况下，得出的结论是，缺失数据（N）与下层阶级高度相关为什么从相关数据得出这个结论？

得出的结论是座位B与高级票有关，而座位N与低级票有关。 答案是这样的：因为Seat\N具有+ve相关性，这意味着它会产生更高的Tclass值，即数值3。换句话说，下层阶级

如果我们将分类数据关联起来，我们如何才能得到-ve结果？（有人能分享一些关于这个的阅读材料吗？）

如何解释一个分类数据与另一个分类数据的相关性结果？（此问题引出问题2）

如果Tclass是非数字/标签编码的，我是否可以执行关联

参考：