Python CSV 数据分组：使用 pairwise_distances 计算相关性

以下是使用 Python 语言实现读取 csv 记录、计算相关性并分组的示例代码：

import pandas as pd
from sklearn.metrics.pairwise import pairwise_distances

# 读取 csv 文件
data = pd.read_csv('data.csv')

# 提取特征列
features = data.iloc[:, 1:]

# 计算记录之间的相关性
distances = pairwise_distances(features, metric='correlation')

# 将相关性>0.6 的记录分为一组
groups = []
for i in range(len(distances)):
    group = [j for j in range(len(distances)) if distances[i][j] > 0.6]
    if group not in groups:
        groups.append(group)

# 输出分组结果
for group in groups:
    print(data.iloc[group])
    print('=' * 50)

其中，'data.csv' 是待处理的 csv 文件，特征列从第二列开始。使用 pairwise_distances 函数计算相关性时，采用的是相关系数（Pearson correlation coefficient），其值在 -1 到 1 之间，值越接近 1 表示相关性越强。本例中，将相关性大于 0.6 的记录分为一组。