Python代码 | 方差膨胀因子VIF+斯皮尔曼Spearman相关性分析

      从跨组关系来看，Society 组中的 PD、GDP、RLD、NL 与 NDVI、AAP 大多呈负相关，相关系数大约在 -0.36 到 -0.48 之间。这说明社会经济和城市化水平较高的区域，植被或生态相关指标往往较低。与此同时，PD、GDP、RLD、NL 与 PM2.5、CO2 多呈正相关，相关系数大约在 0.44 到 0.47 左右，说明社会经济活动强度较高的区域，污染或排放水平也相对较高。

       EC 与 NDVI、AAP 呈中等正相关，相关系数均为 0.42，说明 EC 指标可能与生态质量或植被状况有一定一致性；但 EC 与 PM2.5、CO2 分别呈 -0.27 和 -0.26 的负相关，说明 EC 较高的区域可能污染或排放水平相对较低。

1）安装 Python 环境，推荐使用3.11~3.13版本。

      首先，需要在你的计算机上安装 Python。推荐使用3.11~3.13版本。具体安装过程我在这里就不详细说明，网上教程很多，小伙伴们可自行上网查找安装教程。不会的小伙伴可以寻求专业人士的帮忙。不同电脑安装过程出现的问题不同。

官网网址：https://www.python.org/downloads/

2）安装 Python编辑器

推荐使用PyCharm 、VS Code、Anaconda等编辑器，可根据喜好选择。编辑器安装也是需要去官网下载，可以去网上查找安装教程。

3）安装必要的库

你可以直接在终端（命令行）或代码编辑器的控制台中运行以下命令来进行批量安装：

pip install numpy pandas matplotlib seaborn scipy statsmodels openpyxl

如果你使用的是国内网络，下载速度比较慢，建议加上清华大学的镜像源，这样安装会快很多：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy pandas matplotlib seaborn scipy statsmodels openpyxl

4）准备数据

我们首先要整理好数据文件，通常以Excel格式存储。确保数据是数值型，且每一列代表一个变量。

第一行是特征变量的分组或者维度

第二行是特征/变量名称（注意要正式的名称）

其他行为特征/变量对应的数值（需要多行，也就是我们常说的样本量）。

注意：Excel数据文件需要和代码放在同一个文件内

示范数据如下：

5）替换您自己的Excel数据，点击运行。

选择适合Python编辑器使用的格式文件。我这里有两个格式的文件，包括：.ipynb 和.py

找到代码中输入文件路径的地方。输入你的Excel文件名+后缀。可以参考我的示范。

注意：不要删除双引号

输出内容包括PDF和png格式的图

自定义设置：

下面这里可以设置字体大小、颜色等内容。（可以自己设置，不会的就不用设置）

★代码运行常见报错问题：

1.出现：FileNotFoundError: [Errno 2] No such file or directory: '示例数据.xlsx'

原因是当前文件夹代码默认去找 示例数据.xlsx。而这个文件和代码不在同一个文件夹内。解决办法：你需要替换为你自己的数据，然后和代码放在一个文件夹内。

2.出现：ModuleNotFoundError: No module named 'shap'

或者：ModuleNotFoundError: No module named 'xgboost'

其他：ModuleNotFoundError: No module named '     '

解决办法就是补安装对应模型库：例如：

pip install shap

pip install xgboost

3.出现：警告：系统缺失中文字体 'SimSun'，中文可能无法正常显示。

代码里设置了英文字体 Times New Roman，中文字体 SimSun，并且会先检查系统里有没有这些字体；如果缺失，会打印警告。

解决方法：改成您电脑里实际有的中文字体

5. 运行很慢，像“卡住了一样”

所以如果特征很多、样本很多，程序可能要跑很久，这不是死机，是正常现象。

出现其他运行问题可添加V详细咨询：zhouysh001（八宝粥加油）