Question

我知道如何创建一个（可爱的）Pandas相关表，按相关性排序：

c = df.corr().abs()
np.set_printoptions(threshold='nan')
s = c.unstack()
so = s.order(kind="quicksort")
pprint(so)

这很棒。

问题是，这会输出整个值矩阵的相关性 - 对于所有列x所有列，在交叉矩阵中。

但是，如果我只是想检查一列，例如df['m']，其所有其他列的相关性会怎么样？

我是否需要创建两个数据帧并检查它们之间的相关性？是否有更快的脚本？

Answer 1

你可以简单地遍历df的列并从相关性中构建一个系列：

result = (pd.Series([df['m'].corr(df[col]) for col in df], index=df.columns)
          .abs().sort_values())

如果您计划对许多列执行此操作，则可能更快地计算整个相关矩阵并使用.loc选择感兴趣的行：so.loc['m']。

例如，

import numpy as np
import pandas as pd
np.random.seed(2016)

df = pd.DataFrame(np.random.random((4,4)), columns=list('klmn'))
result = (pd.Series([df['m'].corr(df[col]) for col in df], index=df.columns)
          .abs().sort_values())
print(result)
# l    0.041438
# n    0.086255
# k    0.393375
# m    1.000000
# dtype: float64

c = df.corr().abs()
s = c.unstack()
so = s.sort_values()  # s.order is deprecated. use s.sort_values
print(so.loc['m'])
# l    0.041438
# n    0.086255
# k    0.393375
# m    1.000000
# dtype: float64

注意result和so.loc['m']是相同的。

Answer 2

IIUC，您可以将corr() DataFrame切片为：

c = df.corr()['m'].abs()
so = c.sort_values(kind='quicksort')
print(so)

Pandas相关表限于m列乘n行

2 个答案: