Python Pandas Series.corr()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.corr()函数计算与其他系列的相关性，排除缺失值。

用法： Series.corr(other, method=’pearson’, min_periods=None)

参数：
other:系列
method:{'pearson'，'kendall'，'spearman'}或可致电
min_periods:获得有效结果所需的最少观察数

返回：相关性：浮点数

范例1：采用Series.corr()函数查找给定系列对象与另一个对象的相关性。

# importing pandas as pd 
import pandas as pd 
  
# Creating the first Series 
sr1 = pd.Series([80, 25, 3, 25, 24, 6]) 
  
# Creating the second Series 
sr2 = pd.Series([34, 5, 13, 32, 4, 15]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] 
  
# set the first index 
sr1.index = index_ 
  
# set the second index 
sr2.index = index_ 
  
# Print the first series 
print(sr1) 
  
# Print the second series 
print(sr2)

输出：

现在我们将使用Series.corr()函数查找给定系列对象的基础数据与其他对象之间的相关性。

# find the correlation 
result = sr1.corr(sr2) 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。

范例2：采用Series.corr()函数查找给定系列对象与另一个对象的相关性。系列对象包含一些缺失值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the first Series 
sr1 = pd.Series([51, 10, 24, 18, None, 84, 12, 10, 5, 24, 2]) 
  
# Creating the second Series 
sr2 = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None]) 
  
# Create the Index 
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M') 
  
# set the first index 
sr1.index = index_ 
  
# set the second index 
sr2.index = index_ 
  
# Print the first series 
print(sr1) 
  
# Print the second series 
print(sr2)

输出：

现在我们将使用Series.corr()函数查找给定系列对象的基础数据与其他对象之间的相关性。

# find the correlation 
result = sr1.corr(sr2) 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。在计算对象之间的相关性时，将跳过缺少的值。

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 Series.corr()。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。