Pandas corr()vs corrwith()

Question

Pandas提供两种不同相关函数的原因是什么？

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

与

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

(来自pandas 0.20.3文档)

Answer 1

基本答案:

这是一个可能使它更清晰的例子:

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') )

如@ffeast所述,用于corr比较同一数据帧中的数字列.将自动跳过非数字列.

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

您可以比较df1和df2的列corrwith.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:

如果你想让pandas忽略列名并只是将df1的第一行与df2的第一行进行比较,那么你可以重命名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,一个厨房接收器方法:您还可以简单地水平连接两个数据集然后使用corr().优点是,无论列的数量和列的命名方式如何,这基本上都有效,但缺点是您可能获得比您想要或需要的更多输出:

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

Answer 2

第一个计算与另一个数据帧的相关性:

两个DataFrame对象的行或列之间

第二个是自己计算它

计算列的成对相关性