解读pandas.DataFrame.corrwith

当前位置:

首页 > Python基础教程 >

解读pandas.DataFrame.corrwith

`pandas.DataFrame.corrwith()` 函数是 Pandas 库中 DataFrame 类的一个方法，用于计算 DataFrame 对象与其他 DataFrame 或 Series 对象之间的列对列的相关性。这个方法特别有用，当你想要快速了解两个数据集之间各列的相关性时。

### 基本用法

DataFrame.corrwith(other, axis=0, method='pearson', min_periods=1)

- **other**: 可以是 DataFrame、Series 或者与 DataFrame 形状兼容的数组。当与 DataFrame 一起使用时，该函数会计算 DataFrame 的每一列与 other 中对应列（或行，取决于 axis 参数）的相关性。
- **axis**: {0 或 ‘index’, 1 或 ‘columns’}，默认为 0。如果为 0 或 ‘index’，则沿着每列计算相关性；如果为 1 或 ‘columns’，则沿着每行计算相关性（但这通常不是很有用，因为行之间通常不是相互独立的观测值）。
- **method**: {‘pearson’, ‘kendall’, ‘spearman’} 之一，默认为 ‘pearson’。这指定了用于计算相关性的方法。
    - ‘pearson’：Pearson 相关系数，它衡量两个变量之间的线性相关程度。
    - ‘kendall’：Kendall Tau 相关系数，这是一种基于排序的非参数相关性度量。
    - ‘spearman’：Spearman 等级相关系数，它基于数据的等级而不是原始值来计算相关性。
- **min_periods**: 整数，默认为 1。在计算相关性时，每对列至少需要有多少个非 NA/null 观测值。

### 返回值

返回一个 Series，索引是调用该方法的 DataFrame 的列名，值是 DataFrame 的列与 other 中对应列的相关性系数。

### 示例

import pandas as pd
import numpy as np

# 创建两个 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3, 4],
                    'B': [5, 6, 7, 8],
                    'C': [9, 10, 11, 12]})

df2 = pd.DataFrame({'A': [1, 2, 3, 4],
                    'B': [2, 3, 4, 5],
                    'D': [13, 14, 15, 16]})

# 计算 df1 与 df2 的列相关性
corr = df1.corrwith(df2)
print(corr)

输出（假设使用的是默认的 Pearson 相关系数）：

A    1.000000
B    0.981981
C         NaN
dtype: float64

注意，由于 df1 和 df2 之间没有共同的列 'C' 和 'D'，因此 'C' 列的相关性为 NaN。

### 注意事项

- 当 DataFrame 中包含大量 NA/null 值时，相关性计算可能会受到影响，特别是当 `min_periods` 设置得较高时。
- 相关性并不等同于因果关系，高相关性仅仅表明两个变量之间存在统计上的关联，但不一定意味着一个变量导致了另一个变量的变化。

最后，如果你对python语言还有任何疑问或者需要进一步的帮助，请访问https://www.xin3721.com 本站原创，转载请注明出处：https://www.xin3721.com/Python/python49898.html

栏目列表