pandas corrwith() 与其他数据的相关系数

pandas 的 corrwith() 方法用于计算一个 DataFrame 与另一个 Series 或 DataFrame 中的列之间的相关系数。这个方法可以用来比较两个数据集或不同列之间的相关性。

语法

DataFrame.corrwith(other, axis=0, drop=False,
	method='pearson', numeric_only=False)

参数

1. other: 必选。另一个 Series、DataFrame 或 Panel，用于计算相关系数。
2. axis: 可选。默认值为 0，表示按列进行计算。如果设置为 1，则按行进行计算。
3. drop: 可选。布尔值，默认值为 False。如果为 True，则丢弃在两者之间不匹配的标签。
4. method: 可选。计算相关系数的方法，可以是以下之一：
   • 'pearson' (默认): 皮尔逊相关系数，衡量线性关系。
   • 'kendall': 肯德尔等级相关系数，适用于等级数据，衡量排序一致性。
   • 'spearman': 斯皮尔曼等级相关系数，适用于排序数据，衡量排名之间的相关性。
   • callable：输入两个1d ndarray并返回一个浮点数即可调用。

返回值

返回一个 Series，其中包含两个数据集之间每列的相关系数。

使用场景

• 比较数据集: 比较两个数据集或两个列之间的相关性。
• 特征选择: 选择与目标变量相关性强的特征。
• 数据分析: 理解两个数据集或不同列之间的关系。

示例

假设有两个包含多个变量的数据集，我们希望计算这些变量之间的相关系数。

import pandas as pd

# 创建示例数据
data1 = {
    'A': [1, 2, 3, 4, 5],
    'B': [2, 4, 6, 8, 10],
    'C': [5, 4, 3, 2, 1]
}

data2 = {
    'A': [5, 4, 3, 2, 1],
    'B': [10, 8, 6, 4, 2],
    'C': [1, 2, 3, 4, 5]
}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# 计算 df1 与 df2 各列之间的相关系数
corr_with = df1.corrwith(df2)

print("各列之间的相关系数：")
print(corr_with)

输出：

各列之间的相关系数：
A   -1.0
B   -1.0
C   -1.0
dtype: float64

在这个示例中：

• df1 和 df2 的列 A 完全负相关（相关系数为 -1）。
• df1 和 df2 的列 B 完全负相关（相关系数为 -1）。
• df1 和 df2 的列 C 完全负相关（相关系数为 -1）。

这些结果显示了两个数据集之间的线性关系的强度和方向。

参考

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

更新时间：2024-08-08 08:09:45 标签：pandas python 相关系数 相关性