Python Pandas dataframe.corrwith()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.corrwith()用于计算两个DataFrame对象的行或列之间的成对相关。如果两个 DataFrame 对象的形状不同，则对应的相关值将为NaN值。

用法： DataFrame.count(axis=0, level=None, numeric_only=False)

参数：
other: DataFrame
axis:0或“索引”用于按列计算，1或“列”用于按行计算
drop:从结果中删除缺少的索引，默认返回所有的并集

返回：相关：系列

注意：变量与自身的相关性为1。

范例1：采用corrwith()函数查找沿行轴的两个 DataFrame 对象之间的相关性

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe 
df1 = pd.DataFrame({"A":[1, 5, 7, 8],  
                    "B":[5, 8, 4, 3], 
                    "C":[10, 4, 9, 3]}) 
  
# Creating the second dataframe  
df2 = pd.DataFrame({"A":[5, 3, 6, 4], 
                    "B":[11, 2, 4, 3], 
                    "C":[4, 3, 8, 5]}) 
  
# Print the first dataframe 
print(df1, "\n") 
  
# Print the second dataframe 
print(df2)

现在，沿着行轴找到两个数据帧的列之间的相关性。

# To find the correlation among the 
# columns of df1 and df2 along the row axis 
df1.corrwith(df2, axis = 0)

输出：

输出序列分别包含两个 DataFrame 对象的三列之间的相关性。

范例2：采用corrwith()函数查找沿列轴的两个 DataFrame 对象之间的相关性

# importing pandas as pd 
import pandas as pd 
  
# Creating the first dataframe 
df1 = pd.DataFrame({"A":[1, 5, 7, 8], 
                    "B":[5, 8, 4, 3], 
                    "C":[10, 4, 9, 3]}) 
  
# Creating the second dataframe  
df2 = pd.DataFrame({"A":[5, 3, 6, 4], 
                    "B":[11, 2, 4, 3],  
                    "C":[4, 3, 8, 5]}) 
  
# To find the correlation among the 
# columns of df1 and df2 along the column axis 
df1.corrwith(df2, axis = 1)

输出：

输出序列分别包含两个 DataFrame 对象的四行之间的相关性。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.corrwith()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。