Python Pandas dataframe.corrwith()用法及代碼示例

Python是進行數據分析的一種出色語言，主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種，使導入和分析數據更加容易。

Pandas dataframe.corrwith()用於計算兩個DataFrame對象的行或列之間的成對相關。如果兩個 DataFrame 對象的形狀不同，則對應的相關值將為NaN值。

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

參數：
other: DataFrame
axis:0或“索引”用於按列計算，1或“列”用於按行計算
drop:從結果中刪除缺少的索引，默認返回所有的並集

返回：相關：係列

注意：變量與自身的相關性為1。

範例1：采用corrwith()函數查找沿行軸的兩個 DataFrame 對象之間的相關性

# 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)

現在，沿著行軸找到兩個數據幀的列之間的相關性。

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

輸出：

輸出序列分別包含兩個 DataFrame 對象的三列之間的相關性。

範例2：采用corrwith()函數查找沿列軸的兩個 DataFrame 對象之間的相關性

# 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)

輸出：

輸出序列分別包含兩個 DataFrame 對象的四行之間的相關性。

相關用法

注：本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.corrwith()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。