Python|熊猫 Series.corr()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.corr()函数计算与其他系列的相关性，不包括缺失值。

Syntax: Series.corr(other, method=’pearson’, min_periods=None)

Parameter :
other : Series
method : {‘pearson’, ‘kendall’, ‘spearman’} or callable
min_periods : Minimum number of observations needed to have a valid result

Returns : correlation : float

示例 #1：使用Series.corr()函数查找给定系列对象与其他对象的相关性。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([80, 25, 3, 25, 24, 6])
  
# Creating the second Series
sr2 = pd.Series([34, 5, 13, 32, 4, 15])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the first index
sr1.index = index_
  
# set the second index
sr2.index = index_
  
# Print the first series
print(sr1)
  
# Print the second series
print(sr2)

输出 ：

现在我们将使用Series.corr()函数来查找给定系列对象的基础数据与其他数据之间的相关性。

# find the correlation
result = sr1.corr(sr2)
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。示例 #2 ：使用Series.corr()函数查找给定系列对象与另一个对象的相关性。系列对象包含一些缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([51, 10, 24, 18, None, 84, 12, 10, 5, 24, 2])
  
# Creating the second Series
sr2 = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])
  
# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')
  
# set the first index
sr1.index = index_
  
# set the second index
sr2.index = index_
  
# Print the first series
print(sr1)
  
# Print the second series
print(sr2)

输出 ：

现在我们将使用Series.corr()函数来查找给定系列对象的基础数据与其他数据之间的相关性。

# find the correlation
result = sr1.corr(sr2)
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。在计算对象之间的相关性时会跳过缺失值。