相关性适用于连续变量，例如 Pearson 相关性。不建议对分类或有序变量使用 Pearson 相关性。如果您正在对数据进行编码，我可以暗示它是一个分类变量。对于分类变量，您可以使用卡方独立性检验找到变量之间的关联（而不是相关性）。从某种意义上说，这个测试非常宽松，即使对于弱关联，它也会显示出低 p 值。为了进一步验证独立性卡方检验的结果，您可以计算 Crammers V-test，它会给出一个介于 0 和 1 之间的特定值。Crammers V-test 使分析变得容易。Crammers V-test 使用 Chi 分布。

1.它不会改变，除非你假设编码后特征的新类型，即标签编码不会使分类数据连续

2.不同的特征类型对需要不同的方法。事实上的 Pearson 系数适用于连续 - 连续特征。类似的阅读 - DS.SE

3。来自两种不同类型的相关方法的值不能直接比较，即 Pearson 的 0.75 并不意味着与 Crammer's V 的 0.75 相同的强度