pandas.DataFrame corrwith（）方法

Question

我最近开始和pandas一起工作。 任何人都可以用Series和DataFrame解释函数.corrwith()行为差异吗？

假设我有一个DataFrame ：

frame = pd.DataFrame(data={'a':[1,2,3], 'b':[-1,-2,-3], 'c':[10, -10, 10]})

我想要计算特征'a'和所有其他特征之间的相关性。 我可以通过以下方式完成：

frame.drop(labels='a', axis=1).corrwith(frame['a'])

结果将是：

b   -1.0
c    0.0

但非常相似的代码：

frame.drop(labels='a', axis=1).corrwith(frame[['a']])

生成绝对不同且不可接受的表格：

a   NaN
b   NaN
c   NaN

所以，我的问题是：为什么在DataFrame作为第二个参数的情况下，我们得到如此奇怪的输出？

Answer 1

我认为你在寻找什么：

假设您的框架是：

frame = pd.DataFrame(np.random.rand(10, 6), columns=['cost', 'amount', 'day', 'month', 'is_sale', 'hour'])

您希望'cost'和'amount'列与每个组合中的所有其他列相关联。

focus_cols = ['cost', 'amount']
frame.corr().filter(focus_cols).drop(focus_cols)

回答你的问题：

计算两个DataFrame对象的行或列之间的成对关联。

参数：

其他 ：DataFrame

轴：{0或'索引'，1或'列'}，

默认0 0或'index'用于计算逐列，1或'列'用于逐行删除：boolean，default False从结果中删除缺少的索引，默认返回所有的union返回：correls：Series

corrwith的行为同样add ， sub ， mul ， div ，它希望找到一个DataFrame或一个Series中传递other尽管文件称只是DataFrame 。

当other是Series它播放该系列并沿轴指定的axis匹配，默认为0.这就是以下工作的原因：

frame.drop(labels='a', axis=1).corrwith(frame.a)

b   -1.0
c    0.0
dtype: float64

当other是DataFrame ，它将匹配轴指定的axis并关联由另一个轴标识的每个对。 如果我们这样做：

frame.drop('a', axis=1).corrwith(frame.drop('b', axis=1))

a    NaN
b    NaN
c    1.0
dtype: float64

只有c是共同的，只有c计算了它的相关性。

在您指定的情况下：

frame.drop(labels='a', axis=1).corrwith(frame[['a']])

frame[['a']]是一个DataFrame因为[['a']]并且现在由DataFrame规则播放，其中的列必须与其相关的列匹配。 但是你显式删除a从第一帧，然后用相关DataFrame身上只穿了a 。 结果是每列的NaN 。

Answer 2

corrwith定义为DataFrame.corrwith(other, axis=0, drop=False) ，因此每个默认axis=0 - 即Compute pairwise correlation between columns of two **DataFrame** objects

因此，两个DF中的列名称/标签必须相同：

In [134]: frame.drop(labels='a', axis=1).corrwith(frame[['a']].rename(columns={'a':'b'}))
Out[134]:
b   -1.0
c    NaN
dtype: float64

NaN - 表示（在这种情况下）没有可比较/关联的内容，因为在other DF中没有名为c列

如果你传递一个系列作为other系列，它将被翻译（从链接 ，你已在评论中发布）到：

In [142]: frame.drop(labels='a', axis=1).apply(frame.a.corr)
Out[142]:
b   -1.0
c    0.0
dtype: float64

Answer 3

在此输入图像描述

一个简单的输出

Answer 4

对不起有点迟了..没有办法对付系列，而熊猫数据帧只能用相同的columnz进行分析

喜欢

x = np.array（[2,4,6,8.2]）。reshape（-1,1）

y = np.array（[2.3,3.11，.5,7,10,11,12]）。重塑（-1,1）

a = pd.DataFrame（x，columns = ['aa']）b = pd.DataFrame（y，columns = ['aa']）

a.corrwith（b）中