Python Pandas DataFrame corrwith方法用法及代碼示例

Pandas DataFrame.corrwith(~) 計算源 DataFrame 的列或行與給定的 Series 或 DataFrame 之間的成對相關性。

警告

corrwith(~) 將僅計算列標簽或行標簽對齊的列或行的相關性。否則，將返回填充NaN的列或行。

請注意，相關性的無偏估計量計算得出：

參數

1.other | Series 或 DataFrame

用於計算相關性的Series 或DataFrame。

2. axis | int 或 string | optional

是否計算行或列的相關性：

軸	說明
`0` 或 `"index"`	計算列之間的相關性。
`1` 或 `"columns"`	計算行之間的相關性。

默認情況下，axis=0 。

3. drop | boolean | optional

是否刪除源 DataFrame 和 other 中都不存在的行或列。默認情況下，drop=False 。

4. 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。

返回值

Series 保存源 DataFrame 和 other 的列或行之間的成對相關性。

例子

基本用法

考慮以下數據幀：

df = pd.DataFrame({"A":[2,4,6], "B":[3,4,5]})
df_other = pd.DataFrame({"A":[6,2,3],"C":[1,2,3]})



   A  B  |     A  C
0  2  3  |  0  6  1
1  4  4  |  1  2  2
2  6  5  |  2  3  3

計算 df 和 df_other 的相關性：

df.corrwith(df_other)



A   -0.720577
B         NaN
C         NaN
dtype: float64

請注意，如何僅計算兩個 DataFrame 中存在的一對列 A 的相關性。

指定掉落

要刪除不匹配的行或列標簽，請設置 drop=True ：

df.corrwith(df_other, drop=True)



A   -0.720577
dtype: float64

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 | corrwith 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。