Python 使用哪个函数绘制3个不同数据库数据的线性相关图

我需要关联三个数据库，telemetry3h、telemetry24h和error_coun

我不知道如何将pandas的

df.corr（）

函数与问题联系起来，我无法编写这部分代码

我需要得到这个结果，但我找不到一个有效的函数，有人有什么建议吗

最后是通过代码中已有的函数打印的两行数据

---

我认为您正在寻找的是一种连接列的方法，然后找到数据帧中每个列之间的相关性，对吗

我像这样加载了您的样本：

#creation of first dataframe     
values_one = [[1 , '2015-01-02 06:00:00', 169.73380889577277, 445.17986460181123, 96.79711296200088, 40.38515998915177],
   [1 , '2015-01-02 09:00:00', 170.7007271750606, 445.2941115744456, 97.23217240183708, 39.64764312098307]]
df_1 = pd.DataFrame(values_one, columns =['machineID', 'datetime', 'voltmean_24h', 'rotatemean_24h', 'pressuremean_24h', 'vibrationmean_24h'])

#creation of second dataframe
values_two = [[1 , '2015-09-02 00:00:00', 165.24762959802376, 445.7493967947973, 90.03620169154418, 63.43759320078462],
   [1 , '2015-09-01 21:00:00', 169.3392785585131, 447.60737912233566, 98.0559196736471, 63.0969156902752]]
df_2 = pd.DataFrame(values_two, columns =['machineID', 'datetime', 'voltmean_3h', 'rotatemean_3h', 'pressuremean_3h ', 'vibrationmean_3h'])

#creation of first dataframe   
values_three = [[1 , '2015-09-02 00:00:00', 1, 0, 0, 0],
   [1 , '2015-09-01 21:00:00', 1, 0, 0, 0]] 
df_3 = pd.DataFrame(values_three, columns =['machineID', 'datetime', 'errorID_error1', 'errorID_error2', 'errorID_error3', 'errorID_error4'])

然后，您可以为索引列指定一个名称，删除不想关联的列，然后连接索引上的其余列。像这样：

df_1.index.name = 'Index'
df_1 = df_1.drop(['machineID', 'datetime'], axis=1)
df_2.index.name = 'Index'
df_2 = df_2.drop(['machineID', 'datetime'], axis=1)
df_3.index.name = 'Index'
df_3 = df_3.drop(['machineID', 'datetime'], axis=1)

#join dataframes into one
#join first and second dataframe
df_joined = pd.merge(df_1, df_2, how ='outer', on ='Index') 
#join first & second with third dataframe
df_joined = pd.merge(df_joined, df_3, how ='outer', on ='Index') 

现在，剩下要做的就是调用correlation方法

df_joined.corr(method='pearson')

---

我不知道你的数据，但我看到你有一些时间戳。也许你必须想出一个更聪明的索引机制（或者更好的一个键），它能考虑到你的记录是在什么时候被获取的。例如，您可能希望一行只对应一天。

我认为您要寻找的是一种连接列的方法，然后找到数据帧中每个列之间的相关性，对吗

我像这样加载了您的样本：

#creation of first dataframe     
values_one = [[1 , '2015-01-02 06:00:00', 169.73380889577277, 445.17986460181123, 96.79711296200088, 40.38515998915177],
   [1 , '2015-01-02 09:00:00', 170.7007271750606, 445.2941115744456, 97.23217240183708, 39.64764312098307]]
df_1 = pd.DataFrame(values_one, columns =['machineID', 'datetime', 'voltmean_24h', 'rotatemean_24h', 'pressuremean_24h', 'vibrationmean_24h'])

#creation of second dataframe
values_two = [[1 , '2015-09-02 00:00:00', 165.24762959802376, 445.7493967947973, 90.03620169154418, 63.43759320078462],
   [1 , '2015-09-01 21:00:00', 169.3392785585131, 447.60737912233566, 98.0559196736471, 63.0969156902752]]
df_2 = pd.DataFrame(values_two, columns =['machineID', 'datetime', 'voltmean_3h', 'rotatemean_3h', 'pressuremean_3h ', 'vibrationmean_3h'])

#creation of first dataframe   
values_three = [[1 , '2015-09-02 00:00:00', 1, 0, 0, 0],
   [1 , '2015-09-01 21:00:00', 1, 0, 0, 0]] 
df_3 = pd.DataFrame(values_three, columns =['machineID', 'datetime', 'errorID_error1', 'errorID_error2', 'errorID_error3', 'errorID_error4'])

然后，您可以为索引列指定一个名称，删除不想关联的列，然后连接索引上的其余列。像这样：

df_1.index.name = 'Index'
df_1 = df_1.drop(['machineID', 'datetime'], axis=1)
df_2.index.name = 'Index'
df_2 = df_2.drop(['machineID', 'datetime'], axis=1)
df_3.index.name = 'Index'
df_3 = df_3.drop(['machineID', 'datetime'], axis=1)

#join dataframes into one
#join first and second dataframe
df_joined = pd.merge(df_1, df_2, how ='outer', on ='Index') 
#join first & second with third dataframe
df_joined = pd.merge(df_joined, df_3, how ='outer', on ='Index') 

现在，剩下要做的就是调用correlation方法

df_joined.corr(method='pearson')

---

我不知道你的数据，但我看到你有一些时间戳。也许你必须想出一个更聪明的索引机制（或者更好的一个键），它能考虑到你的记录是在什么时候被获取的。例如，您可能希望一行只对应一天。

嘿，Gessyca，您能为我们提供一行或两行样本数据，分别对应您想要关联的数据帧吗？我放在文章的末尾！嘿，Gessyca，你能为我们提供一行或两行样本数据，每个样本数据都是你想要关联的数据帧吗？我放在文章的末尾！