Question

是否有一种很好的方法可以获得两个分组的DataFrame列的简单关联？

似乎无论pandas .corr()函数想要返回相关矩阵。如，

i = pd.MultiIndex.from_product([['A','B','C'], np.arange(1, 11, 1)], names=['Name','Num'])
test = pd.DataFrame(np.random.randn(30, 2), i, columns=['X', 'Y'])
test.groupby(['Name'])['X','Y'].corr()

返回

               X         Y
Name                      
A    X  1.000000  0.152663
     Y  0.152663  1.000000
B    X  1.000000 -0.155113
     Y -0.155113  1.000000
C    X  1.000000  0.214197
     Y  0.214197  1.000000

但显然我只对非对角线术语感兴趣。并且计算四个值然后尝试选择我想要的值似乎很奇怪，如

test.groupby(['Name'])['X','Y'].corr().ix[0::2,'Y']

获取

A     X    0.152663
B     X   -0.155113
C     X    0.214197

Answer 1

我希望像test.groupby('Name')['X'].corr('Y')这样的东西可以工作，但它没有，当你通过系列本身（test['Y']）时，它会变慢。在这一点上似乎适用是最好的选择：

test.groupby('Name').apply(lambda df: df['X'].corr(df['Y']))
Out: 
Name
A   -0.484955
B    0.520701
C    0.120879
dtype: float64

迭代每个组并在每个分组的DataFrame中应用Series.corr。不设置随机种子会产生差异。

Pandas简单关联两个分组的DataFrame列

1 个答案: