如何抵消Pandas Pearson与日期时间指数的相关性

Question

我试图获得前一周输入的相关值到下周的输出.

为了这个例子,我已经设置了每周的输入将是下周的输出,并且df.corr()应该给出1.000000结果.

我的原始数据如下所示:

Date      Input     Output
1/1/2010    73         73
1/7/2010     2         73
1/13/2010    3          2
1/19/2010    4          3

完整示例数据在此处上传:https: //drive.google.com/open？id = 0B4xdnV0LFZI1MzRUOUJkcUY4ajQ

到目前为止,这是我的代码:

import pandas as pd
df = pd.read_csv('pearson.csv')
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce')
df = df.set_index(pd.DatetimeIndex(df['Date']))
df = df[['Input', 'Output']]
x = df.corr(method = 'pearson', min_periods=1)
print(x)

而作为一个新手在这里,我被卡住了.我没有看到shift函数中内置的选项,也不确定如何执行此操作.

任何和所有的帮助表示赞赏.

谢谢你,我

Answer 1

如果.corr对数据帧进行处理,则会生成相关矩阵.

在您的情况下,您只需要两个时间序列之间的相关性,您可以使用下面的代码实现此目的.请注意,.corr时间序列的方法需要参数other,该参数是用于计算相关性的系列.

df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1

如果您想要相关矩阵,则应首先创建一个具有移位输出的数据帧,然后计算相关性:

temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)   

#        Input  Output
#Input     1.0     1.0
#Output    1.0     1.0