pandas corr() 相关系数

在 pandas 中，corr() 方法用于计算数据框（DataFrame）列之间的相关性。

语法

DataFrame.corr(method='pearson', 
               min_periods=1, 
               numeric_only=False)

可用的数据类型：
通常可以用于包含数值数据的 DataFrame 或 Series 。

参数意义：

• method（可选，默认值为 'pearson'）：指定计算相关性的方法，可以是 'pearson'（皮尔逊相关系数，默认）、'kendall'（肯德尔相关系数）、'spearman'（斯皮尔曼相关系数）。
  • 'pearson'：标准的线性相关系数。
  • 'kendall'：基于排序的相关性度量。
  • 'spearman'：基于排序的秩相关性。
  • callable：输入两个1d ndarray并返回一个浮点数即可调用。请注意，corr返回的矩阵沿对角线将有1，并且无论可调用对象的行为如何，它都是对称的。
• min_periods（可选，默认值为 1）：参与计算相关性的每对列所需的最小观测值数量。
• numeric_only（可选，默认值为 False）：如果为 True，则仅计算数字列之间的相关性。

返回值：
返回一个数据框，其中行和列的索引与原始数据框相同，单元格中的值是相应列之间的相关性系数。值的范围在 -1 到 1 之间，-1 表示完全负相关，1 表示完全正相关，0 表示无相关性。

使用场景：

• 金融领域：分析不同金融资产的价格或收益率之间的相关性，以进行投资组合的优化。
• 市场研究：研究不同产品特征与销售数据之间的关系。
• 数据探索：初步了解数据集内各特征之间的线性关联程度。

例子

假设有一个数据集，我们希望计算各列之间的相关系数矩阵：

import pandas as pd

# 创建示例数据
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [2, 4, 6, 8, 10],
    'C': [5, 4, 3, 2, 1],
    'D': [1, 3, 5, 7, 9]
}

df = pd.DataFrame(data)

# 计算相关系数矩阵
corr_matrix = df.corr(method='pearson')

print("相关系数矩阵：")
print(corr_matrix)

输出：

相关系数矩阵：
          A         B         C         D
A  1.000000  1.000000 -1.000000  1.000000
B  1.000000  1.000000 -1.000000  1.000000
C -1.000000 -1.000000  1.000000 -1.000000
D  1.000000  1.000000 -1.000000  1.000000

在这个示例中：

• 列 A 和 B 完全正相关（相关系数为 1）。
• 列 A 和 C 完全负相关（相关系数为 -1）。
• 列 B 和 C 完全负相关（相关系数为 -1）。
• 列 A 和 D 完全正相关（相关系数为 1）。

传入一个可调用对象：

def histogram_intersection(a, b):
    v = np.minimum(a, b).sum().round(decimals=1)
    return v

df = pd.DataFrame([(.2, .3), (.0, .6), (.6, .0), (.2, .1)],
                  columns=['dogs', 'cats'])

df.corr(method=histogram_intersection)
      dogs  cats
dogs   1.0   0.3
cats   0.3   1.0

df = pd.DataFrame([(1, 1), (2, np.nan), (np.nan, 3), (4, 4)],
                  columns=['dogs', 'cats'])

df.corr(min_periods=3)
      dogs  cats
dogs   1.0   NaN
cats   NaN   1.0

这些结果帮助我们理解数据中变量之间的线性关系。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.corr.html

更新时间：2024-08-07 20:45:36 标签：pandas python corr 相关性 相关系数