1、DataFrame.corr()
corr() 仅计算数值型列，会自动忽略字符串等非数值列，默认使用 皮尔逊相关系数（Pearson）。
import pandas as pd
# 构造示例数据
data = {
'Duration': [60, 60, 45, 45, 60, 60, 60, 30,
30, 60],
'Calories': [405, 390, 290, 250, 500, 480,
450, 240, 250, 480],
'Maxpulse': [110, 117, 109, 102, 150, 140,
130, 100, 105, 145],
'Pulse': [100, 103, 100, 98, 130, 128, 125,
90, 95, 135],
'Steps': [3000, 3200, 2600, 2400, 4000,
3800, 3700, 2000, 2100, 3900]
}
# 创建 DataFrame
df = pd.DataFrame(data)
correlation_matrix = df.corr()
print(correlation_matrix)2、相关性结果说明
corr() 方法返回的是一个对称矩阵，每个单元格表示两个数值列之间的相关系数，取值范围在 -1 到 1 之间。
| 相关系数范围 | 说明 |
|---|---|
| 1.0 | 完全正相关，两列完全一致变动 |
| 0.9 ~ 1.0 | 强正相关，一列增加， 另一列也显著增加 |
| 0.6 ~ 0.9 | 中等正相关，有明显趋势关联 |
| 0.2 ~ 0.6 | 弱相关或可忽略 |
| -0.6 ~ -1.0 | 负相关，值越低，反向趋势越强 |
| 0 或接近 0 | 无明显线性关系 |
Pandas 的 corr() 方法是数据探索阶段的重要工具，能快速揭示列与列之间的相关性程度。通过分析相关系数矩阵，开发者可以提前感知哪些特征具备预测性或冗余性，指导后续建模和特征选择等操作。
如需配合可视化展示相关性热力图，可使用 seaborn 的 heatmap 工具增强可读性。