Python 成对相关

我有一个数据框，看起来类似于：

In [45]: df 
Out[45]: 
   Item_Id  Location_Id  date  price
0        A         5372     1    0.5
1        A         5372     2    NaN
2        A         5372     3    1.0
3        A         6065     1    1.0
4        A         6065     2    1.0
5        A         6065     3    3.0
6        A         7000     1    NaN
7        A         7000     2    NaN
8        A         7000     3    NaN
9        B         5372     1    3.0
10       B         5372     2    NaN
11       B         5372     3    1.0
12       B         6065     1    2.0
13       B         6065     2    1.0
14       B         6065     3    3.0
15       B         7000     1    8.0
16       B         7000     2    NaN
17       B         7000     3    9.0

对于每个

Location\u Id

类别中的每个

Item\u Id

，我想计算每个

Item\u Id

对之间的成对价格相关性。请注意，虽然我只给出了两个唯一的

项目Id

在上面的示例数据中，有几十个不同的值，

Item\u Id

在我的真实数据中使用。我尝试过使用

groupby.corr（）

，但这似乎没有满足我的需求

---

最后，我想要N个数据帧，其中N是

df

中唯一的

Location\u Id

值的数量。N个数据帧中的每一个都将是特定

位置Id

类别中存在的

项目Id

的所有成对组合之间的价格平方相关矩阵。因此，N个数据帧中的每一个都将有J行和J列，其中J是该特定

Location\u Id

组中唯一

Item\u Id

值的数量

您可以按

位置\u Id

分组，然后以

日期

和

项目\u Id

为中心，并获得相关性：

>>> corr = lambda obj: obj.pivot('date', 'Item_Id', 'price').corr()
>>> df.groupby('Location_Id').apply(corr)
Item_Id                  A      B
Location_Id Item_Id              
5372        A        1.000 -1.000
            B       -1.000  1.000
6065        A        1.000  0.866
            B        0.866  1.000
7000        A          NaN    NaN
            B          NaN  1.000

---

每个

位置\u Id

都有一个2 x 2的矩阵，这正是我需要的。非常感谢。