Python 熊猫相关分组

假设我有一个与下面类似的数据帧，我如何获得两个特定列之间的相关性，然后按“ID”列进行分组？我相信Pandas'corr'方法可以找到所有列之间的相关性。如果可能，我还想知道如何使用.agg函数（即np.correlate）找到“groupby”相关性

我所拥有的：

ID  Val1    Val2    OtherData   OtherData
A   5       4       x           x
A   4       5       x           x
A   6       6       x           x
B   4       1       x           x
B   8       2       x           x
B   7       9       x           x
C   4       8       x           x
C   5       5       x           x
C   2       1       x           x

我需要的是：

ID  Correlation_Val1_Val2
A   0.12
B   0.22
C   0.05

---

谢谢

你基本上把所有的部分都弄清楚了，只需要把它们组合起来：

>>> df.groupby('ID')[['Val1','Val2']].corr()

             Val1      Val2
ID                         
A  Val1  1.000000  0.500000
   Val2  0.500000  1.000000
B  Val1  1.000000  0.385727
   Val2  0.385727  1.000000

在您的情况下，为每个ID打印一个2x2是非常冗长的。我看不到打印标量关联而不是整个矩阵的选项，但如果只有两个变量，则可以执行如下简单操作：

>>> df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2,-1]

ID       
A   Val1    0.500000
B   Val1    0.385727

对于3+变量的更一般情况 对于3个或更多变量，创建简明输出并不简单，但您可以这样做：

groups = list('Val1', 'Val2', 'Val3', 'Val4')
df2 = pd.DataFrame()
for i in range( len(groups)-1): 
    df2 = df2.append( df.groupby('ID')[groups].corr().stack()
                        .loc[:,groups[i],groups[i+1]:].reset_index() )

df2.columns = ['ID', 'v1', 'v2', 'corr']
df2.set_index(['ID','v1','v2']).sort_index()

---

请注意，如果我们没有

groupby

元素，那么可以直接使用numpy中的上三角函数或下三角函数。但由于存在该元素，就我所知，以更优雅的方式生成简洁的输出并不容易；由于ix已贬值，因此使用iloc代替，并进行一些较小的其他更改：

df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2][['Val2']] # to get pandas DataFrame

或

---

还有一个简单的解决方案：

df.groupby('ID')[['Val1','Val2']].corr().unstack().iloc[:,1]

---

如何将其更改为“rolling_corr（）”，以便每10天计算一次滚动相关性？这是一个很好的答案。事实上，要做这么简单的事情，就必须搞乱

.iloc

s，这是熊猫真正让我沮丧的事情之一；如果我想为科学数据建立一个大型的处理管道，我最终会感觉一切都像牙膏一样。啊，太奇怪了，我基本上和你同时做了同样的编辑。我们用了稍微不同的方法，所以我将保持我的原样，同时+1这个。

df.groupby('ID')[['Val1','Val2']].corr().unstack().iloc[:,1]