命令行工具

PyCorrAna 提供了功能完整的命令行工具，无需编写代码即可完成相关性分析。

安装后的命令

安装 PyCorrAna 后，会提供两个命令：

  • pycorrana - 主命令行工具

  • pycorrana-interactive - 交互式分析工具

主命令行工具

基本语法

pycorrana <command> [options]

可用命令

analyze - 完整分析

执行完整的相关性分析：

pycorrana analyze data.csv [options]

选项：

  • --target, -t TARGET - 目标变量名

  • --method, -m METHOD - 相关系数方法（auto/pearson/spearman/kendall）

  • --columns, -c COL1,COL2 - 指定分析的列，逗号分隔

  • --export, -e PATH - 导出结果路径

  • --no-plot - 不生成图表

  • --missing STRATEGY - 缺失值处理策略（warn/drop/fill）

  • --fill-method METHOD - 填充方法（mean/median/mode/knn）

  • --pvalue-correction METHOD - p值校正方法

  • --verbose, -v - 输出详细信息

示例：

pycorrana analyze data.csv --target sales --export results.xlsx

pycorrana analyze data.csv --method spearman --verbose

pycorrana analyze data.csv --columns age,income,education --export output/

clean - 数据清洗

数据清洗和预处理：

pycorrana clean data.csv [options]

选项：

  • --output, -o PATH - 输出文件路径（必需）

  • --dropna - 删除缺失值

  • --fill METHOD - 填充缺失值方法（mean/median/mode/knn）

  • --detect-outliers - 检测异常值

  • --outlier-method METHOD - 异常值检测方法（iqr/zscore）

示例：

pycorrana clean data.csv --dropna --output cleaned.csv

pycorrana clean data.csv --fill knn --output filled.csv

pycorrana clean data.csv --detect-outliers --outlier-method iqr --output clean.csv

partial - 偏相关分析

执行偏相关分析：

pycorrana partial data.csv [options]

选项：

  • -x VAR - 第一个变量（必需）

  • -y VAR - 第二个变量（必需）

  • -c, --covars VAR1,VAR2 - 协变量列表，逗号分隔（必需）

  • --method METHOD - 相关方法（pearson/spearman）

  • --matrix - 计算偏相关矩阵

示例：

pycorrana partial data.csv -x income -y happiness -c age,education

pycorrana partial data.csv -x income -y happiness -c age --method spearman

pycorrana partial data.csv -c age,education --matrix

nonlinear - 非线性检测

检测非线性依赖关系：

pycorrana nonlinear data.csv [options]

选项：

  • --columns, -c COL1,COL2 - 指定分析的列，逗号分隔

  • --methods, -m METHODS - 检测方法，逗号分隔（dcor/mi/mic）

  • --top N - 显示前 N 个最强的非线性关系（默认 10）

  • --export, -e PATH - 导出结果路径

示例：

pycorrana nonlinear data.csv --top 20

pycorrana nonlinear data.csv -c col1,col2,col3 -m dcor,mic

pycorrana nonlinear data.xlsx --top 15 --export nonlinear_results.csv

info - 数据信息

查看数据基本信息：

pycorrana info data.csv [options]

选项：

  • --types - 显示类型推断结果

  • --missing - 显示缺失值详细信息

示例：

pycorrana info data.csv

pycorrana info data.xlsx --types --missing

输出包括：

  • 数据维度（行数、列数）

  • 列名和数据类型

  • 非空值数量

  • 缺失值数量和比例

  • 唯一值数量

  • 类型推断结果（可选）

  • 缺失值详情（可选）

交互式工具

启动交互式分析

pycorrana-interactive

交互式流程

启动后会进入交互式菜单：

╭──────────────────────────────────────────╮
│  PyCorrAna - 交互式相关性分析工具        │
│  自动化相关性分析，降低决策成本          │
╰──────────────────────────────────────────╯

请选择操作：
1. 加载数据
2. 执行完整分析
3. 数据探索
4. 数据清洗
5. 相关性分析
6. 偏相关分析
7. 非线性依赖检测
8. 可视化
9. 导出结果
0. 退出

请输入选项：

数据加载

选择"加载数据"后，可以：

  1. 输入文件路径

  2. 选择示例数据集（iris、titanic、wine）

  3. 生成模拟数据

完整分析

选择"执行完整分析"会自动完成：

  1. 数据预处理

  2. 相关性计算

  3. 显著性检验

  4. 生成可视化

  5. 输出摘要

数据探索

提供数据探索功能：

  • 查看数据前几行

  • 数据类型统计

  • 缺失值分析

  • 描述性统计

  • 相关性预览

数据清洗

交互式数据清洗：

  • 处理缺失值

  • 删除异常值

  • 类型转换

  • 重命名列

可视化选项

交互式可视化：

  • 热力图

  • 散点图矩阵

  • 箱线图

  • 相关网络图

  • 自定义图表

导出选项

多种导出格式：

  • Excel 文件

  • CSV 文件

  • HTML 报告

  • 图片文件

帮助信息

查看帮助

pycorrana --help
pycorrana analyze --help
pycorrana partial --help
pycorrana nonlinear --help

查看版本

pycorrana --version