Python中的Pearson相关矩阵

Question

我正在红外光谱（中红外区域）中表征生物样品，并将所得数据用于预测模型以进行疾病预测。我现在正在使用监督学习来处理光谱数据，第一步是准备数据（平滑，峰发现，峰过滤等），现在我有一个93x1的矩阵（因变量或疾病/非疾病）标签），其中93是样本数，矩阵是93x210，其中210是可在其中找到预先吸收的吸收峰的波长的数目。从这210个波长中，我需要提取要输入到模型中的特征（吸收峰）。为此，我在python中使用Pearson相关矩阵，其中标头为210 xi wavelenghts。我想找到“ xi wavelenght”处的吸收峰与样品之间的相关性。问题在于结果矩阵在任何地方都给我“ 1”

免责声明：我是python的新手

import numpy as np
import pandas as pd

from google.colab import files
uploaded = files.upload()

df2 = pd.read_excel(io.BytesIO(uploaded['20191201-Peaks.xlsx']),header=None, Index=None)

df2.columns=['Label_0_1','Sample',1700.105,...,1500.49]

print (df2.dtypes)

Label_0_1          object
Sample             object
1700.105           float64
1699.141           float64
1698.177           float64
                    ...   
1504.35            float64
1503.38            float64
1502.42            float64
1501.45            float64
1500.49            float64
Length: 210, dtype: object

df2.shape
(93, 210)

import chart_studio.plotly as py
import plotly.graph_objs as go
import plotly.express as px
import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(150,150))
cor = df2.corr(method='pearson')
cor

[![correlation matrix][1]][1]