Python 具有不同列名的数据帧上的pd.corrwith
我想以一种有效的方式得到x1和y中三列中的每一列之间的皮尔逊r 似乎pd.corrwith()只能对具有完全相同列标签的列(例如x和y)进行计算 这似乎有点不切实际,因为我认为计算不同变量之间的相关性是一个常见问题Python 具有不同列名的数据帧上的pd.corrwith,python,pandas,Python,Pandas,我想以一种有效的方式得到x1和y中三列中的每一列之间的皮尔逊r 似乎pd.corrwith()只能对具有完全相同列标签的列(例如x和y)进行计算 这似乎有点不切实际,因为我认为计算不同变量之间的相关性是一个常见问题 In [1]: import pandas as pd; import numpy as np In [2]: x = pd.DataFrame(np.random.randn(5,3),columns=['A','B','C']) In [3]: y = pd.DataFram
In [1]: import pandas as pd; import numpy as np
In [2]: x = pd.DataFrame(np.random.randn(5,3),columns=['A','B','C'])
In [3]: y = pd.DataFrame(np.random.randn(5,3),columns=['A','B','C'])
In [4]: x1 = pd.DataFrame(x.ix[:,0])
In [5]: x.corrwith(y)
Out[5]:
A -0.752631
B -0.525705
C 0.516071
dtype: float64
In [6]: x1.corrwith(y)
Out[6]:
A -0.752631
B NaN
C NaN
dtype: float64
您可以这样做(使用np.random.seed(0)
):
要获得此结果,请执行以下操作:
A -0.509
B 0.041
C -0.732
您可以使用
DataFrame.corrwith(Series)
而不是DataFrame.corrwith(DataFrame)
来完成您想要的:
或者,您可以在x
的每一列和y
的每一列之间形成相关矩阵,如下所示:
In [214]: pd.expanding_corr(x, y, pairwise=True).iloc[-1, :, :]
Out[214]:
A B C
A 0.347629 -0.480474 -0.729303
B -0.334814 0.778019 0.654583
C -0.453273 0.212057 0.149544
唉
DataFrame.corrwith()
没有pairwise=True
选项。pd.expansing\u corr在最新版本中似乎已删除:/
In [203]: x1 = x['A']
In [204]: y.corrwith(x1)
Out[204]:
A 0.347629
B -0.480474
C -0.729303
dtype: float64
In [214]: pd.expanding_corr(x, y, pairwise=True).iloc[-1, :, :]
Out[214]:
A B C
A 0.347629 -0.480474 -0.729303
B -0.334814 0.778019 0.654583
C -0.453273 0.212057 0.149544