如何计算多个因变量（y1和y2）上的自变量（x）的相关性？

Question

假设我们有10个独立变量x1，x2，x3，... xn，它们都是分类的，具有相同的0,1,2级（例如，0 =无颜色，1 =红色，2 =绿色）并且您有两个因变量（例如，y1 =裤长，以m为单位，y2 =腰围，以m为单位）。 我们如何确定哪些自变量（x1，x2，x3，... xn）驱动因变量（y1和y2）？

数据示例如下：

| x1 | x2 | x3 | x4 | x5 | x6 | x7  | x8 | x9 | x10 | size(y1) | length(y2) |

|----|----|----|----|----|----|-----|----|----|-----|----------|------------|

|  0 |  1 |  2 |  1 |  0 |  0 |   2 |  1 |  0 |   2 |     0.36 |       0.84 |
|  0 |  1 |  1 |  0 |  2 |  1 |   0 |  2 |  0 |   1 |     0.84 |       1.23 |
|  1 |  2 |  0 |  1 |  0 |  1 |   0 |  1 |  0 |   2 |     1.92 |       3.86 |

我在python中尝试了 PLS回归，这是我的代码

import pandas as pd
import numpy as np
df = pd.read_csv('data.csv', header = 0)

X =  pd.DataFrame.as_matrix(df[[x for x in df.columns if x not in ['waist_size', 'pant_length']]])
Y =  pd.DataFrame.as_matrix(df[[''waist_size', 'pant_length'']])

from sklearn.cross_decomposition import PLSRegression
pls = PLSRegression(n_components = 8)
pls.fit(X,Y)
coef = pls.coef_
sorted_index = np.argsort(np.abs(pls.coef_))

此方法的实际结果如下： 我正在为数据集中的所有行获取一个numpy数组，如下所示

[1, 0],
[1, 0],
[1, 0],
[1, 0],
[1, 0],
[0, 1],
[1, 0]
.....

该如何解释？

而且，有没有一种方法可以计算此类问题中的直接相关性和特征重要性？