Python 查找多个变量与目标值之间的相关性

我有一系列的单词，摘自对一家酒店的评论。 例如

数组（['advantage'、'advice'、'Annium'、'Arrized'、'aveda'、'bangs'，
‘洗澡’、‘床’、‘检查’、‘清洁’、‘关门’、‘舒适’、‘成交’，
“有”、“失望”、“距离”、“门”、“轻松”、“晚上”，
“存在的”、“昂贵的”、“经验的”、“金鱼的”、“好的”、“得到的”，
“很棒”、“过道”、“有”、“听到”、“听到”、“高”、“酒店”，
“只是”、“迟到”、“喜欢”、“很少”、“位置”、“更长”、“大声”，
“也许”、“早上”、“音乐”、“脖子”、“邻居”、“不错”、“晚上”，
‘噪音’、‘非’、‘非’、‘开放’、‘整体’、‘停车’、‘付款’，
‘人物’、‘枕头’、‘以前的’、‘产品’、‘快速’、‘评论’，
‘房间’、‘购物’、‘尺寸’、‘隔音’、‘住宿’、‘住宿’，
‘僵硬’、‘被带走’、‘说话’、‘被带走’、‘触摸’、‘代客’、‘查看’，
“行走”，“醒来”，dtype=”我不是熊猫专家，但我可以提供一种可能的方法。
您可以创建一个dict，其中关键字是一个单词，value是与该单词相关的酒店星级列表。
让我们假设您的数据是一个dict列表，它表示酒店，并且至少有以下键：score，words。其中score-是酒店的score，words-您的words数据

from collections import defaultdict
word_rates = defaultdict(list())
for hotel in hotels:
    for word in hotel['words']:
        word_rates.append(hotel['score'])

现在每个单词都有分数，如下所示：

{
    'bad': [1, 2, 1, 2, 2, 3, 2],
    'great': [4, 5, 5, 4, 4, 5, 4],
    ...
}

这取决于你如何解释它，但计算好/坏分数应该给你一个粗略的估计。
我不是熊猫专家，但我可以提供一个可能的方法。
您可以创建一个dict，其中关键字是一个单词，value是与该单词相关的酒店星级列表。
让我们假设您的数据是一个dict列表，它表示酒店，并且至少有以下键：score，words。其中score-是酒店的score，words-您的words数据

from collections import defaultdict
word_rates = defaultdict(list())
for hotel in hotels:
    for word in hotel['words']:
        word_rates.append(hotel['score'])

现在每个单词都有分数，如下所示：

{
    'bad': [1, 2, 1, 2, 2, 3, 2],
    'great': [4, 5, 5, 4, 4, 5, 4],
    ...
}

这取决于你如何解释它，但计算好/坏分数应该给你一个粗略的估计。
corr
和
corrwith
是为数字列设计的。为此，请看一下：

Forthmann，Boris.（2015）。Re：我可以使用皮尔逊相关性吗
了解知觉与性别、年龄、年龄之间关系的系数，
收入？从以下方面检索：


Forthmann，Boris.（2015）。Re：我可以使用皮尔逊相关性吗
了解知觉与性别、年龄、年龄之间关系的系数，
收入？从以下方面检索：

.
你需要想出一个代码，让每个单词从好到坏都有一个等级，从等级较低的好形容词开始，到等级较高的坏形容词。我会首先对它们进行排序，然后给它们一个数字代码，以反映一个单词有多好/坏。请注意，并非所有的单词都是这样需要提供代码。在这种情况下，0就可以了。

我会从这样的事情开始

words.sort()
word_coded=dict([[x,0] for x in words])

我会给你一本字典

{'advantage': 0,
 'advice': 0,
 ......
 'bed': 0,
 'check': 0,
 'clean': 0,
 ...
 'comfortable': 0,
 'deal': 0,
 'did': 0,
 ...
 'disappointed': 0,

一本字典比一张单子更容易操作。那么我会说，举个例子

 words_coded['advantage']=10
 ........
 words_coded['disappointed']=120

诸如此类。你必须手动完成这项工作，或者想出某种编码算法。无论哪种方式，一旦你对单词进行了排名，你都可以使用之类的工具来找出你的相关系数

斯皮尔曼的相关系数不作任何假设，因为它只对值进行排序，然后使用排序来计算相关性。另一方面，皮尔森的相关系数假设变量为正态分布，我不推荐在这种情况下使用。
您需要拿出一个代码来给出每个单词从好到坏的等级，从等级较低的好形容词开始，到等级较高的坏形容词。我将首先对它们进行排序，然后给它们一个数字代码，以反映单词的好坏。请注意，并非所有单词都需要一个代码。在这种情况下，0就可以了。

我会从这样的事情开始

words.sort()
word_coded=dict([[x,0] for x in words])

我会给你一本字典

{'advantage': 0,
 'advice': 0,
 ......
 'bed': 0,
 'check': 0,
 'clean': 0,
 ...
 'comfortable': 0,
 'deal': 0,
 'did': 0,
 ...
 'disappointed': 0,

一本字典比一张单子更容易操作。那么我会说，举个例子

 words_coded['advantage']=10
 ........
 words_coded['disappointed']=120

诸如此类。你必须手动完成这项工作，或者想出某种编码算法。无论哪种方式，一旦你对单词进行了排名，你都可以使用之类的工具来找出你的相关系数

斯皮尔曼的相关系数不作任何假设，因为它只对值进行排序，然后使用排序来计算相关性。另一方面，皮尔逊的相关系数假设变量为正态分布，我不推荐在这种情况下使用。
你到底想要什么？什么样的输出？嗯，理想情况下是scor对于每个描述它们如何影响评级的单词，e。例如，“脏”可以得到-0.6，这意味着它会大大降低评级。（当然，标准化为-1-1）你到底想要什么？什么样的输出？理想情况下，每个描述它们如何影响评级的单词的分数。例如，“脏”可能会得到-0.6，这意味着它会大大降低评级。（当然，标准化为-1-1）皮尔逊的相关系数假设变量为正态分布。我不认为这是真的。皮尔逊的相关系数假设变量为正态分布。我不认为这是真的。我要把它标记为“正确”回答，因为这是我最终选择的答案。如果可以的话，我会把这个和@agcala的答案都标记为正确。我会把这个标记为“正确”答案，因为这是我最终选择的答案。如果可以的话，我会把这个和@agcala的答案也标记为正确。