Question

Pandas提供两种不同的相关函数的原因是什么？

DataFrame.corrwith（其他，轴= 0，drop = False）：两个DataFrame对象的行或列之间的相关性计算成对

VS

DataFrame.corr（method =＆＃39; pearson＆＃39;，min_periods = 1）：成对计算列的相关性，不包括NA /空值

（来自pandas 0.20.3文档）

Answer 1

第一个计算与另一个数据帧的相关性：

在两个DataFrame对象的行或列之间

第二个用它自己计算

计算列的成对相关

Answer 2

基本答案：

以下是一个可能更清晰的例子：

np.random.seed(123)
df1=pd.DataFrame( np.random.randn(3,2), columns=list('ab') )
df2=pd.DataFrame( np.random.randn(3,2), columns=list('ac') )

如@ffeast所述，使用corr来比较同一数据框中的数字列。将自动跳过非数字列。

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

你可以比较df1和amp;的列。 df2与corrwith。请注意，仅比较相同名称的列：

df1.corrwith(df2)

a    0.993085
b         NaN
c         NaN

其他选项：

如果你想让pandas忽略列名并只是将df1的第一行与df2的第一行进行比较，那么你可以重命名df2的列以匹配df1的列，如下所示：

df1.corrwith(df2.set_axis( df1.columns, axis='columns', inplace=False))

a    0.993085
b    0.969220

请注意，在这种情况下，df1和df2需要具有相同的列数。

最后，一个厨房接收器方法：您也可以简单地水平连接两个数据集，然后使用corr()。优点是，无论列的数量和列的命名方式如何，这基本上都有效，但缺点是您可能获得的输出超出您的需要或输出：

pd.concat([df1,df2],axis=1).corr()

          a         b         a         c
a  1.000000 -0.840475  0.993085 -0.681203
b -0.840475  1.000000 -0.771050  0.969220
a  0.993085 -0.771050  1.000000 -0.590545
c -0.681203  0.969220 -0.590545  1.000000

Pandas corr（）vs corrwith（）

2 个答案: