woodwork.table_accessor.WoodworkTableAccessor.dependence#

WoodworkTableAccessor.dependence(measures='all', num_bins=10, nrows=None, include_index=False, include_time_index=False, callback=None, extra_stats=False, min_shared=25, random_seed=0, max_nunique=6000, target_col=None)[源代码]#

计算 DataFrame 中所有支持度量依赖性的列对之间的依赖性度量。支持布尔、分类、日期时间及数值数据。调用 woodwork.utils.get_valid_mi_types 和 woodwork.utils.get_valid_pearson_types 可查看支持的 Logical Types 的完整列表。

参数：

  • dataframe (pd.DataFrame) – 包含 Woodwork 类型信息的待计算依赖性的数据。

  • measures (list 或 str) –

    要计算的依赖性度量。可以提供度量列表以同时计算多个度量。有效的度量字符串包括：

    • ”pearson”: 计算皮尔逊相关系数

    • ”mutual_info”: 计算列之间的互信息

    • ”spearman”: 计算斯皮尔曼相关系数

    • ”max”: 每对列的 max(abs(pearson), abs(spearman), mutual)

    • ”all”: 包括 “pearson”、“mutual_info”、“spearman” 和 “max” 的列

  • num_bins (int) – 确定用于将数值特征转换为分类特征的 bin 数量。默认为 10。皮尔逊计算不使用 binning。

  • nrows (int) – 用于确定依赖性时采样的行数。如果指定，将从数据中抽取所需数量的行。默认为使用所有行。

  • include_index (bool) – 如果为 True，则只要指定为索引的列的 LogicalType 有效可用于度量依赖性，就会包含该列。如果为 False，则不考虑索引列。默认为 False。

  • include_time_index (bool) – 如果为 True，则指定为时间索引的列将包含在依赖性度量中。如果为 False，则不考虑时间索引列。默认为 False。

  • callback (callable, optional) –

    用于接收增量更新的回调函数。具有以下参数：

    • update (int): 自上次调用以来的进度变化

    • progress (int): 计算中的当前进度

    • total (int): 需要完成的总计算量

    • unit (str): 进度/总量的度量单位

    • time_elapsed (float): 自调用开始以来经过的总时间（秒）

  • extra_stats (bool) – 如果为 True，将随 dataframe 包含额外的列 “shared_rows”，记录列对的共享非空行数。默认为 False。如果使用 “max” 度量，将添加一列 “measure_used”，记录对于特定行，皮尔逊相关或互信息是最大依赖性。

  • min_shared (int) – 计算所需的共享非空行数。少于此行数将被认为过于稀疏而无法准确度量，并将返回 NaN 值。必须为非负数。默认为 25。

  • random_seed (int) – 随机数生成器的种子。默认为 0。

  • max_nunique (int) – 大型分类列（> 800 个唯一值）的最大唯一值数量。分类列将被删除，直到达到此数量或只剩下一个大型分类列。默认为 6000。

  • target_col (str) – 目标列的名称。如果提供，将仅计算其他列与此目标列之间的依赖性字典。返回结果中，目标列将是 column_2。默认为 None。

返回值：

一个 DataFrame，包含列 column_1、column_2 和指定依赖性度量的键。行按第一个指定的度量以降序排列。依赖性信息值介于 0（无依赖性）和 1（完全依赖性）之间。对于皮尔逊和斯皮尔曼，值范围从 -1 到 1，但 0 仍表示无依赖性。如果 extra_stats 为 True，将包含额外的列。

返回值类型：

pd.DataFrame