如何在python中检查连续变量和分类变量之间的相关性？

我有一个数据集，包括分类变量（二进制）和连续变量。我试图用一个线性回归模型来预测一个连续变量。有人能告诉我如何检查分类变量和连续目标变量之间的相关性吗

当前代码：

import pandas as pd
df_hosp = pd.read_csv('C:\Users\LAPPY-2\Desktop\LengthOfStay.csv')

data = df_hosp[['lengthofstay', 'male', 'female', 'dialysisrenalendstage', 'asthma', \
              'irondef', 'pneum', 'substancedependence', \
              'psychologicaldisordermajor', 'depress', 'psychother', \
              'fibrosisandother', 'malnutrition', 'hemo']]
print data.corr()

---

除lengthofstay之外的所有变量都是分类变量。这是否可行？

将分类变量转换为伪变量，并将变量放入numpy.array中。例如：

data.csv：

age,size,color_head
4,50,black
9,100,blonde
12,120,brown
17,160,black
18,180,brown

提取数据：

import numpy as np
import pandas as pd

df = pd.read_csv('data.csv')

df:

将分类变量

color\u head

转换为虚拟变量：

df_dummies = pd.get_dummies(df['color_head'])
del df_dummies[df_dummies.columns[-1]]
df_new = pd.concat([df, df_dummies], axis=1)
del df_new['color_head']

df\u新建：

把它放在numpy数组中：

x = df_new.values

计算相关性：

correlation_matrix = np.corrcoef(x.T)
print(correlation_matrix)

输出：

array([[ 1.        ,  0.99574691, -0.23658011, -0.28975028],
       [ 0.99574691,  1.        , -0.30318496, -0.24026862],
       [-0.23658011, -0.30318496,  1.        , -0.40824829],
       [-0.28975028, -0.24026862, -0.40824829,  1.        ]])

见：

---

到目前为止，您尝试了什么？向我们提供代码，并清楚地说明问题所在。这有助于您确定不同组（分类值）的平均值（连续值）是否具有显著不同的平均值。如果只有两组，请使用双侧t检验（成对或不成对）。按照本教程操作。我想这就是你想要的：@AdeelAhmad我已经添加了到目前为止我已经得到的代码。我得到的结果是一个矩阵，但我不确定这是否正确。就我所知，对于连续变量，这很有效。谢谢@Rockbar，但我有熊猫数据框中的数据，并且有多个包含大量观察值的列。方差分析在这里好吗？