熊猫 corr() 与 corrwith()答案

【问题标题】：Pandas corr() vs corrwith()熊猫 corr() 与 corrwith()
【发布时间】：2017-09-04 16:32:43
【问题描述】：

Pandas 提供两种不同的关联函数的原因是什么？

DataFrame.corrwith(other, axis=0, drop=False)：两个DataFrame对象的行或列之间的相关性成对计算

对比

DataFrame.corr(method='pearson', min_periods=1)：成对计算列的相关性，不包括 NA/null 值

（来自 pandas 0.20.3 文档）

【问题讨论】：

标签： python pandas

【解决方案1】：

基本答案：

这里有一个例子可能更清楚：

np.random.seed(123)
df1=pd.DataFrame( np.random.randn(3,2), columns=list('ab') )
df2=pd.DataFrame( np.random.randn(3,2), columns=list('ac') )

正如@feast 所述，使用corr 比较同一数据框中的数字列。非数字列将被自动跳过。

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

您可以将 df1 和 df2 的列与 corrwith 进行比较。请注意，仅比较具有相同名称的列：

df1.corrwith(df2)

a    0.993085
b         NaN
c         NaN

其他选项：

如果您希望 pandas 忽略列名，仅将 df1 的第一行与 df2 的第一行进行比较，那么您可以重命名 df2 的列以匹配 df1 的列，如下所示：

df1.corrwith(df2.set_axis( df1.columns, axis='columns', inplace=False))

a    0.993085
b    0.969220

请注意，在这种情况下，df1 和 df2 需要具有相同的列数。

最后，一种厨房水槽方法：您也可以简单地水平连接两个数据集，然后使用corr()。优点是无论列数和命名方式如何，这基本上都有效，但缺点是您可能会获得比您想要或需要的更多的输出：

pd.concat([df1,df2],axis=1).corr()

          a         b         a         c
a  1.000000 -0.840475  0.993085 -0.681203
b -0.840475  1.000000 -0.771050  0.969220
a  0.993085 -0.771050  1.000000 -0.590545
c -0.681203  0.969220 -0.590545  1.000000

【讨论】：

啊！！您的最后一个提示“同名”非常有用。这就是我感到困惑的地方，因为我不知何故没有意识到哪些列是相关的逻辑。
@BaluJr。是的，我是故意这样做的，人们通常认为熊猫会按位置对齐列（包括我;-)，但熊猫通常按标签做事。

【解决方案2】：

第一个计算与另一个数据帧的相关性：

在两个 DataFrame 对象的行或列之间

第二个自己计算

计算列的成对相关性

【讨论】：