Python 如何用Datetime索引抵消Pearson相关性

我试图获得前一周输入与下一周输出的相关值

在本例中，我将其设置为每周的输入将是下周的输出，

df.corr（）

应该给出

1.000000

的结果

我的原始数据如下所示：

Date      Input     Output
1/1/2010    73         73
1/7/2010     2         73
1/13/2010    3          2
1/19/2010    4          3

完整样本数据上传至此处：

以下是我目前的代码：

import pandas as pd
df = pd.read_csv('pearson.csv')
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce')
df = df.set_index(pd.DatetimeIndex(df['Date']))
df = df[['Input', 'Output']]
x = df.corr(method = 'pearson', min_periods=1)
print(x)

作为一个新手，我被困在这里。我没有看到函数中内置的

shift

选项，也不知道如何执行此操作

非常感谢您的帮助

谢谢,，

---

Me

如果对数据帧执行

.corr

，它将生成相关矩阵

在您的例子中，您只需要两个时间序列之间的相关性，您可以使用下面的代码实现这一点。请注意，时间序列的

.corr

方法需要参数

other

，该参数是用于计算相关性的序列

df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1

如果需要相关矩阵，则应首先创建具有移位输出的数据帧，然后计算相关性：

temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)   

#        Input  Output
#Input     1.0     1.0
#Output    1.0     1.0

---

如果对数据帧执行

.corr

，它将生成一个相关矩阵

在您的例子中，您只需要两个时间序列之间的相关性，您可以使用下面的代码实现这一点。请注意，时间序列的

.corr

方法需要参数

other

，该参数是用于计算相关性的序列

df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1

如果需要相关矩阵，则应首先创建具有移位输出的数据帧，然后计算相关性：

temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)   

#        Input  Output
#Input     1.0     1.0
#Output    1.0     1.0

---

与1k；）一致与1k；）一致顺便说一句，每6天一次。