1. 读取数据

读取数据后拆成特征和标签。因为 PCC 和 VIF 都是基于特征算出来的，先把输入整理清楚，后面的图才有意义，逻辑也不会乱。所以把 label 单独拿出来，是因为后面的判断都是围绕“特征”和“类别”两个对象展开的，先分开，思路会更清楚。

# 导入CSV数据data = pd.read_csv("分类样本.csv")# 分割特征和目标列X = data.drop(columns=["label"])y = data["label"]features = Xlabels = y

2. 先看特征像不像：使用PCC

PCC 看的是两个特征之间像不像。简单理解，相关系数越高，说明两个特征提供的信息越接近；相关系数越低，说明它们表达的内容差别越大。对二分类和回归问题来说，这一步很有价值，因为它能先帮我们找出“表达信息重复”的变量。比如两个变量几乎总是一起增减，那保留太多这样的变量，通常只会让模型更复杂，但不一定更好。把 PCC 画成热力图，也是为了让这种关系一眼能看出来，省得一列一列地翻表格。图里只画上三角区域，也是为了避免重复展示同一组相关性，读起来更干净。

# PCC相关系数矩阵correlation_matrix = features.corr(method="pearson")correlation_matrix.to_csv(os.path.join(output_dir, "correlation_matrix_data.csv"))

3. 再看会不会互相干扰：VIF 和 TOL

PCC 只能告诉你“像不像”，但不能完全回答“会不会互相干扰”。这时候就要看 VIF 和 TOL 了。VIF 越大，说明这个特征越容易被其他特征解释，也就是共线性越明显；TOL 越小，说明它越不独立。换句话说，VIF 更像是在问“这个变量是不是被别的变量包住了”，TOL 则是在问“它还剩多少独立信息”。很多时候，VIF 的值会特别大，如果还按普通数字显示，图就会很难读，所以脚本把 VIF 的刻度做成了 10^0、10^1、10^2 这种指数形式，这样即使数值变化很大，也能保持清晰。

defformat_vif_tick(value, pos):if np.isclose(value, 0.0):return'0'if value <= 0:return''    exponent = np.log10(value)if np.isclose(exponent, np.round(exponent)):returnrf'$10^{{{int(np.round(exponent))}}}$'return''defformat_tol_tick(value, pos):if np.isclose(value, 0.0):return'0'returnf'{value:.2f}'defcalculate_vif_tol(df):    X_numeric = df.select_dtypes(include=[np.number])    X_with_const = add_constant(X_numeric)    vif_list = []for i in range(1, X_with_const.shape[1]):        vif_list.append(variance_inflation_factor(X_with_const.values, i))return pd.DataFrame({'Feature': X_numeric.columns,'VIF': vif_list,'TOL': [1 / v if v != 0else0for v in vif_list]    })

4. 把三部分放到同一张图里

最后一步，就是把 PCC、VIF、TOL 放在同一个画布上，左中右依次排开。这样做最大的好处，是对比起来特别快：左边看两个特征是否重复，中间看这个特征会不会被别的变量“带偏”，右边看它稳不稳。不需要来回切换表格，也不用把多个结果拆开看，只要盯着这一张图，基本就能把特征的整体状态摸个大概。

fig = plt.figure(figsize=(total_w, total_h))gs = GridSpec(    nrows=1, ncols=3,    width_ratios=[heatmap_w, bar_w, bar_w],    wspace=0.03)ax_heat = fig.add_subplot(gs[0])ax_vif = fig.add_subplot(gs[1])ax_tol = fig.add_subplot(gs[2])fig.subplots_adjust(left=0.12, right=0.99, bottom=0.18, top=0.95, wspace=0.02)

5. 批量输出几套配色

最后还批量输出了几套配色。核心逻辑不变，只是颜色方案不同，方便你挑一版最顺眼的。对于同一份结果来说，不同配色最大的作用是让重点更容易被看见。比如有的配色更适合强调正负相关，有的配色更适合突出差异层次，你可以根据文章风格或者期刊要求来选。直接把多张图保存到输出文件夹里，也省去了反复手动画图的麻烦。

color_schemes = [    ('RdBu_r',   'PCC_VIF_TOL_RdBu_r'),    ('coolwarm', 'PCC_VIF_TOL_coolwarm'),    ('seismic',  'PCC_VIF_TOL_seismic'),    ('PuOr',     'PCC_VIF_TOL_PuOr'),    ('BrBG',     'PCC_VIF_TOL_BrBG'),    ('PRGn',     'PCC_VIF_TOL_PRGn'),]print("\nGenerating combined plots...")for cmap_name, suffix in color_schemes:    filename = f'{suffix}.jpg'    plot_pcc_vif_tol_combined(correlation_matrix, vif_tol_df, cmap_name, filename)

小结

这套方法本质上是在做建模前的基础筛选：先看重复，再看共线性，再把结果放到一张图里。它不复杂，但很实用，适合在正式训练模型之前先把数据摸一遍。很多时候，模型效果差并不一定是算法问题，而是输入特征本身就有重复、干扰或者不稳定的问题。先把这些基础问题处理好，后面的模型通常会更省心。

现在绘图代码都不支持免费获取了，20/篇文章。同时欢迎加入小编科研绘图VIP群，298/年，所有科研绘图相关文章代码免费获取，涵盖机器学习模型（回归和分类）的shap分析、还有各种如皮尔逊分析等相关的图，以及期刊复现图，源代码直接复制或者打开就能绘图。同时进群赠送SHAP科研分析软件6.0（文本版）和最优地理探测器软件，且免费更新使用。VX：GISyanjiushengya！