python中两个数据帧之间的Pearson关联并输出列之间的所有组合

您好，我有两个数据帧，有3列，col1中的每一行都有82个不同的column变量值，因此我有df2，有三个相同的列，这三列的值不同

df1.head（）

和

df2.head（）

我想对这两个数据帧进行Pearson关联，输出数据帧应该是两个数据帧中所有可能组合的相关系数。比如像这样的事情

ID1    ID2   coefficient
ENSG60 ENSG3 0.2
ENSG1 ENSG53  0.14
.
.

我试过使用这个单行程序

df1.value.corrwith（df2.value）

但它只给出了一个系数，对应的

应该适合你们。替代方案包括：

它输出：

[[ 1.          0.02543264]
 [ 0.02543264  1.        ]]

---

corrwith

和

corrcoef

都是同一件事。

你能把你的完整资料给我看看吗？实际上，

corrwith

应该可以。你试过

numpy.correlate

吗？没有。完成什么？对不起，完成代码！！事实上，我在R中试过，它在那里起作用。但是现在我需要转换到python，我没有做任何详细的说明，而我只有一个描述的线性。不，实际上不是这个。这给了我系数矩阵，但我需要像ID1 ID2系数ENSG60 ENSG3 0.2这样的东西。现在请看我的问题，我已经展示了我的输出，除了抱歉误解，我已经更新了我的代码。请检查。这是一个对称矩阵，所以如果您只需要一个数字，您可以执行

结果[0,1]

。或者，

df1.a.corr（df1.b）

感谢您提供的解决方案，但对于单个数据帧，我有两个数据帧，每个数据帧具有不同的列值和不同的形状或尺寸。因此，上述解决方案对它不起作用。

ID1    ID2   coefficient
ENSG60 ENSG3 0.2
ENSG1 ENSG53  0.14
.
.

import numpy as np
import pandas as pd

df1 = pd.DataFrame({'a': np.random.random(5), 'b': np.random.random(5)})
result = np.corrcoef(df1.a,df1.b)
print(result)

[[ 1.          0.02543264]
 [ 0.02543264  1.        ]]