从数据帧的段（循环）计算答案

【问题标题】：Calculations from segments(looping) of a data-frame从数据帧的段（循环）计算
【发布时间】：2019-09-30 01:20:00
【问题描述】：

2 个数据帧。 1短1长。我想把长的分成几块，用相关系数把它们和短的比较。

分裂很好。但是，当将它们放入计算中时，它会返回 Nan。

import pandas as pd

data_a = {'ID': ["a1","a2","a3","a4","a5","a6","a7","a8","a9","a10","a11","a12","a13","a14","a15"], 
'Unit_Weight': [178,153,193,195,214,157,205,212,219,166,217,186,170,207,204]}

df_a = pd.DataFrame(data_a)

data_b = {'ID': ["b1","b2","b3","b4","b5"], 
'Unit_Weight': [128,123,123,125,204]}

df_b = pd.DataFrame(data_b)

size = 5      # 5 rows in the long data-frame
list_of_df_a = [df_a.loc[i:i+size-1,:] for i in range(0, len(df_a),size)]

for each in list_of_df_a:
    corr_e = each['Unit_Weight'].corr(df_b['Unit_Weight'])

输出：

0.6797202605786716
nan
nan

出了什么问题，如何纠正？谢谢。

p.s.：这些是手动计算的结果：

0.6797202605786716
-0.5501914564062937
0.2653370297540246

   ID  Unit_Weight
0  a1          178
1  a2          153
2  a3          193
3  a4          195
4  a5          214
    ID  Unit_Weight
5   a6          157
6   a7          205
7   a8          212
8   a9          219
9  a10          166
     ID  Unit_Weight
10  a11          217
11  a12          186
12  a13          170
13  a14          207
14  a15          204

【问题讨论】：

标签： python pandas loops dataframe

【解决方案1】：

Series 中的索引必须相同，因此请使用 DataFrame.reset_index 和 drop=True：

for each in list_of_df_a:
    corr_e = each['Unit_Weight'].reset_index(drop=True).corr(df_b['Unit_Weight'])
    print (corr_e)

0.6797202605786716
-0.5501914564062937
0.26533702975402457

【讨论】：

您好，先生！感谢您的闪电般的速度和惊叹的问答技巧！

【解决方案2】：

您也可以使用numpy.corrcoef 自动处理索引问题：

for each in list_of_df_a:
    corr_e = np.corrcoef(each['Unit_Weight'], df_b['Unit_Weight'])[0,1]
    print(corr_e)

0.6797202605786716
-0.5501914564062937
0.2653370297540246

【讨论】：

【解决方案3】：

@jezrael 有一个很好的答案，但另一种方法是改变：

list_of_df_a = [df_a.loc[i:i+size-1,:] for i in range(0, len(df_a),size)]

收件人：

list_of_df_a = [df_a.loc[i:i+size-1,:].reset_index(drop=True) for i in range(0, len(df_a),size)]

现在你的结果是：

0.6797202605786716
-0.5501914564062937
0.26533702975402457

【讨论】：

谢谢分享！当然这对很多人都有帮助！