Python Pandas DataFrame corr方法用法及代碼示例

Pandas DataFrame.corr(~) 方法計算源 DataFrame 中列的成對相關性。

所有 NaN 值都將被忽略。

1.method | string 或 callable | optional

要計算的相關係數的類型：

值	說明
`"pearson"`	計算標準相關係數。
`"kendall"`	計算 Kendall Tau 相關係數。
`"spearman"`	計算斯皮爾曼等級相關性。
`callable`	該函數接受兩個一維 Numpy 數組作為參數並返回單個浮點數。返回的矩陣始終是對稱的，並且沿主對角線填充 1。

默認情況下，method="pearson" 。

2. min_periods | int | optional

計算相關性所需的非NaN 值的最小數量。

DataFrame 表示源 DataFrame 中值的相關矩陣。

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[8,5,2,1],"B":[3,4,5,9]})
df



   A  B
0  8  3
1  5  4
2  2  5
3  1  9

要計算兩列的 "pearson" 相關性：

df.corr()



   A          B
A  1.000000   -0.841685
B  -0.841685  1.000000

我們得到的結果是列 A 和 B 具有 -0.84 相關性。

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[3,np.NaN,4],"B":[5,6,np.NaN]})
df



   A    B
0  3.0  5.0
1  NaN  6.0
2  4.0  NaN

設置 min_periods=3 會產生：

df.corr(min_periods=3)



   A    B
A  NaN  NaN
B  NaN  NaN

在這裏，我們得到所有NaN的原因是，該方法忽略了NaN，因此每列隻有2個值。由於我們已將計算相關性的最小閾值設置為 3 ，因此我們最終得到一個由 NaN 填充的 DataFrame 。

相關用法

注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 Pandas DataFrame | corr method。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。