检查新特征的相关性

现在我们已经有了成交量和日期时间特征，接下来要检查新特征（保存在 new_features 列表中）与目标（5d_close_future_pct）之间的相关性，看看它们的关联程度。回顾一下，pandas 的 DataFrame 提供了内置的 .corr() 方法，而 seaborn 提供了漂亮的 heatmap() 函数来展示相关性。

本练习是课程的一部分

Python 金融机器学习

查看课程

练习说明

扩展 new_features 变量以包含工作日的列名（如 weekday_1），方法是将工作日编号与字符串 'weekday_' 拼接。
使用 Seaborn 的 heatmap 绘制 new_features 与目标 5d_close_future_pct 的相关性图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Add the weekday labels to the new_features list
new_features.extend([____ + ____ for i in range(1, 5)])

# Plot the correlations between the new features and the targets
sns.____(lng_df[____ + ['5d_close_future_pct']].corr(), annot=True)
plt.yticks(rotation=0)  # ensure y-axis ticklabels are horizontal
plt.xticks(rotation=90)  # ensure x-axis ticklabels are vertical
plt.tight_layout()
plt.show()

编辑并运行代码