相关性分析脚本

User_Lee · *发表于* 2026-6-29 10:06:23

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区。

您需要登录才可以下载或查看，没有账号？立即注册

×

有任何使用问题可以联系我!!!!

复制代码

correlation_analysis.py 使用说明

功能简介

本脚本用于对 Excel/CSV 数据进行相关性分析，支持：

计算 Pearson / Spearman / Kendall 相关矩阵及 P 值
滞后相关性分析（目标变量对影响因素存在时间滞后）
最优滞后期自动搜索
结果导出为 Excel（多 sheet）
自动生成热力图和滞后搜索折线图
* c' l7 f" H! M( P

环境依赖

pandas >= 1.5
numpy >= 1.24
scipy >= 1.10
matplotlib >= 3.7
seaborn >= 0.13
openpyxl >= 3.1

安装：

pip install pandas numpy scipy matplotlib seaborn openpyxl

使用方法

基本语法

python correlation_analysis.py <数据文件> [参数]示例

# 1. 基础相关性分析（自动选择所有数值列）
python correlation_analysis.py data.xlsx

# 2. 指定列和方法
python correlation_analysis.py data.xlsx --columns 温度压力产量 --method spearman

# 3. 滞后相关性（目标列滞后3期）
python correlation_analysis.py data.xlsx --columns 温度压力产量 --target 产量 --lag 3

# 4. 最优滞后搜索（搜索范围 0~10 期）
python correlation_analysis.py data.xlsx --columns 温度压力 --target 产量 --sweep 0 10

# 5. 同时使用固定滞后和搜索
python correlation_analysis.py data.xlsx --columns 温度压力 --target 产量 --lag 3 --sweep 0 10

# 6. 指定输出文件名，不生成图片
python correlation_analysis.py data.xlsx --target 产量 --lag 3 -o my_result.xlsx --no-plot

参数详解

[td]

参数	必填	默认值	说明
file	是	-	输入数据文件路径（支持 .xlsx / .xls / .csv）
--columns	否	所有数值列	参与分析的列名，空格分隔
--method	否	pearson	相关性方法：pearson / spearman / kendall
--target	否	-	目标列名（滞后变量），不指定则不做滞后分析
--lag	否	0	滞后期数，需配合 --target 使用
--sweep START END	否	-	最优滞后搜索范围，如 --sweep 0 10
--output / -o	否	correlation_result.xlsx	输出 Excel 文件路径
--no-plot	否	False	添加此参数则不生成图片

注意事项：

--target 指定的列如果不在 --columns 中，脚本会自动将其加入
列名包含空格时需要用引号包裹，如 "相对价格指数铜+mean"
--lag 和 --sweep 可以同时使用
* A; y! C$ [( h6 j5 J. `

输出说明

Excel 文件（多 sheet）

[td]

Sheet 名称	生成条件	内容
相关矩阵	始终生成	N×N 相关系数矩阵
P值矩阵	始终生成	N×N 显著性 P 值矩阵
滞后数据	--target + --lag > 0	滞后处理后的原始数据（已对齐、已去除 NaN 行）
最优滞后	--target + --sweep	每个因素的最优滞后期、最强相关系数、各期相关系数

图片文件

[td]

文件名	生成条件	内容
{output_stem}_heatmap.png	默认生成	相关性热力图（下三角，带显著性星号标注）
{output_stem}_lag_sweep.png	--target + --sweep	滞后搜索折线图（红圈标记最优点）

显著性标注规则：

*** : P < 0.001
** : P < 0.01
* : P < 0.05
8 m/ i7 f9 P2 l

滞后相关性原理

什么是滞后相关性

当因素 X 在时刻 t 发生变化，目标 Y 在时刻 t+k 才体现效果时，直接计算 X 和 Y 的相关性会低估真实关联。

滞后相关性通过将目标列 Y 向前平移 k 期（即计算 corr(X_t, Y_{t+k})），使因果对齐后再计算相关系数。

固定滞后模式

指定一个滞后期数 k，将目标列平移后计算完整的相关矩阵。

原始:  X = [x1, x2, x3, x4, x5, x6]
   Y = [y1, y2, y3, y4, y5, y6]

lag=2: X = [x1, x2, x3, x4]
   Y = [y3, y4, y5, y6] （Y 向前平移2期，末尾截断）最优滞后搜索模式

对每个因素列，遍历指定范围内的所有滞后期数，找出使相关系数绝对值最大的滞后期。

常见问题

Q: 列名包含空格怎么办？

用引号包裹：

--columns "XXX XXX" "SSS SSS"Q: 提示 "目标列不存在"？

检查列名是否完全匹配（包括空格、加号等特殊字符）。可以先不指定 --columns 运行一次，脚本会打印所有可用列名。

Q: 滞后后数据不足？

数据行数必须大于滞后期数 + 3。例如 32 行数据最多支持 lag=29（但实际有意义的滞后期通常远小于数据长度的一半）。

Q: 图片中文显示为方块？

确保系统安装了中文字体（Windows 默认有微软雅黑，Linux 需安装 fonts-wqy-zenhei）。

Q: 如何只看某几列与目标的关系？

python correlation_analysis.py data.xlsx --columns 因素A 因素B --target 目标Y --sweep 0 10

脚本会自动将目标列加入分析。

sample_data运行示例
9 a$ `$ v3 ?0 O
; v9 `) y' @* B. B
python correlation_analysis.py "sample_data.xlsx"5 m' M2 g0 P$ i
读取文件: sample_data.xlsx: ]6 U. G3 r# _! o
数据维度: 50 行 x 6 列! I( F Z) P; Z+ h
自动选择数值列: ['Temperature', 'Pressure', 'Humidity', 'Yield', 'Raw_Material_Price']2 N+ b9 R7 @# ?$ l; J
计算相关矩阵: 方法=pearson2 z4 |9 G3 N& ? J
相关矩阵 (5x5) 已计算
! f& D7 w) }5 Z0 _6 c% _: D
/ j1 ~: O; D7 b2 j
结果已导出到: correlation_result.xlsx: E7 J1 c# e8 U) t/ L
热力图已保存: correlation_result_heatmap.png
- x" I9 w. s6 _5 O) i
; K3 L& w* T9 L J5 ]
python correlation_analysis.py "sample_data.xlsx" --columns Temperature Pressure --target Yield --sweep 0 10$ c! ~, N3 `" m3 L7 X9 d; T
读取文件: sample_data.xlsx
$ ~% K2 ~# R+ O) ]& f
数据维度: 50 行 x 6 列
. h$ K" L; b2 q$ C7 Y) {2 {
已自动将目标列 'Yield' 加入分析列
! ]+ U) f8 u' D& F n: o% w
计算相关矩阵: 方法=pearson
0 u5 ?# k+ F2 r% l1 D, \6 y) u# E
相关矩阵 (3x3) 已计算8 v' T& C. b5 {9 E$ \6 s, z6 T
最优滞后搜索: 目标列=Yield, 范围=[0, 10]
) B% j, ^) r. r( E4 n, h* r
最优滞后结果:
# h3 |; o" D) e6 k. {
Temperature: 最优滞后=9期, 相关系数=-0.80226 L8 Z# U# {: [( D0 J
Pressure: 最优滞后=0期, 相关系数=0.7648" r5 S/ b( b, b2 J) Y5 D- x
! r+ S1 f; A* P* b9 i% P) i* d
结果已导出到: correlation_result.xlsx
' E% t( z1 V4 q# \
热力图已保存: correlation_result_heatmap.png
' _7 t5 G/ |! w8 d
滞后搜索图已保存: correlation_result_lag_sweep.png