Python | 熊猫 dataframe.corrwith()介绍

简介

在 Python 中，pandas 是最流行的数据分析库之一。它提供了多种数据结构和数据处理工具，其中 DataFrame 是其中最常用的。在 pandas 中，可以使用 corrwith() 方法计算 DataFrame 中每一列之间的相关性。

语法

DataFrame.corrwith(self, other, axis=0, drop=False, method='pearson')

• self：要进行处理的 DataFrame。
• other：相关系数被计算的其他 DataFrame。
• axis：计算相关系数时应该沿着哪个方向进行。默认是沿着行计算，也就是 axis=0。
• drop：如果在计算相关系数的过程中遇到了缺失值，是否应该将这些缺失值删除。默认是 False，也就是保留缺失值。
• method：使用哪种方法计算相关系数。支持 Pearson 协方差、Spearman 等等。默认是 Pearson 协方差。

示例

import pandas as pd

# 创建 DataFrame
df1 = pd.DataFrame([['A', 1, 2], ['B', 3, 4], ['C', 2, 1]], columns=['Name', 'Salary', 'Experience'])
df2 = pd.DataFrame([['A', 2, 3], ['B', 4, 5], ['C', 1, 2]], columns=['Name', 'Salary', 'Experience'])

# 计算 'Salary' 列之间的相关系数
corr = df1['Salary'].corr(df2['Salary'])
print(corr)

# 计算整个 DataFrame 之间的相关系数
corr = df1.corrwith(df2)
print(corr)

输出：

0.9819805060619658
Salary        0.981981
Experience   -0.981981
dtype: float64

结论

通过使用 corrwith() 方法，可以轻松地计算 DataFrame 中列与列之间的相关系数。这对于数据分析、机器学习等领域都非常有用，因为相关系数可以用来衡量变量之间的关系强度。