Python三种方法计算皮尔逊相关系数以及实现给定数据集，返回数据集中每个特征和标签的相关系数

特征预处理完之后，我们需要选择有意义的特征作为输入机器学习的算法和模型进行训练

在统计学中，皮尔逊相关系数( Pearson correlation coefficient），又称皮尔逊积矩相关系数（Pearson product-moment correlation coefficient，简称 PPMCC或PCCs）。用于衡量两个变量X和Y之间的线性相关相关关系，值域在-1与1之间。

详细内容 ：

https://blog.csdn.net/qq_40260867/article/details/90667462

"""
给定数据集，返回数据集中每个特征和标签的相关系数

"""

import numpy as np
from sklearn.datasets import load_iris
iris=load_iris()

result=[]
#使用numpy计算数据特征和标签的相关系数
for i in range(np.shape(iris.data)[1]):
    pccs = np.corrcoef(iris.data[:,i], iris.target)
    # print(pccs)
    result.append(pccs[:,1][0])

print(result)
# 对列表中的数都保留两位小数
result1=[]
for i in range(len(result)):
    result1.append(round(result[i],3))

print(result1)