我有一个DataFrame
,其中每行代表一次交通事故。其中两列是Speed_limit
和Number_of_casualties
。我想计算速度限制与每个速度限制的伤亡人数与事故数之比的Pearson相关系数。
到目前为止,我的解决方案是将相关数量作为数组并使用SciPy的pearsonr
:
import pandas as pd
import scipy.stats
df = pd.DataFrame({'Speed_limit': [10, 10, 20, 20, 20, 30],
'Number_of_casualties': [1, 2, 3, 4, 1, 4]})
accidents_per_speed_limit = df['Speed_limit'].value_counts().sort_index()
number_of_casualties_per_speed_limit = df.groupby('Speed_limit').sum()['Number_of_casualties']
speed_limit = accidents_per_speed_limit.index
ratio = number_of_casualties_per_speed_limit.values / accidents_per_speed_limit.values
r, _ = scipy.stats.pearsonr(x=speed_limit, y=ratio)
print("The Pearson's correlation coefficient between the number of casualties per accidents and the speed limit is {r}.".format(r=r))
但是,在我看来,应该可以使用pandas.DataFrame.corr方法更优雅地完成此操作。我怎么能重构这段代码以使它更像pandas
- 像?
答案 0 :(得分:3)
您可以直接使用groupby数据的mean
代替count和sum,然后使用series corr
(默认方法是pearson),即
m = df.groupby('Speed_limit').mean().reset_index()
m['Speed_limit'].corr(m['Number_of_casualties'])
输出:
0.99926008128973687
答案 1 :(得分:1)
我使用两个辅助DataFrames
找到了以下方法:
df_aux = df.groupby('Speed_limit').agg(['count', 'sum'])
df_aux2 = pd.DataFrame({'ratio': df_aux['Number_of_casualties', 'sum'] / df_aux['Number_of_casualties', 'count'],
'speed_limit': df_aux.index})
print(df_aux2.corr()['ratio']['speed_limit'])
证实了用scipy.stats.pearsonr
获得的结果。但它仍然不是很优雅,我希望有改进的建议。