如何在 pandas 中使用 corrwith() （带有示例）

您可以使用 pandas 中的corrwith()函数来计算两个不同 pandas DataFrame 中具有相同名称的数字列之间的成对相关性。

该函数使用以下基本语法：

 df1. corrwith (df2)

注意：此函数与corr()函数不同，corr() 函数计算同一 DataFrame 中两个数字列之间的相关性。

以下示例展示了如何在实践中使用corrwith()函数。

示例：如何在 Pandas 中使用 corrwith()

假设我们有以下两个 panda DataFrame：

 import pandas as pd

#create first DataFrame
df1 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F'],
                    ' points ': [18, 22, 29, 25, 14, 11],
                    ' assists ': [4, 5, 5, 4, 8, 12],
                    ' rebounds ': [10, 6, 4, 6, 3, 5]})

print (df1)

  team points assists rebounds
0 to 18 4 10
1 B 22 5 6
2 C 29 5 4
3 D 25 4 6
4 E 14 8 3
5 F 11 12 5

#create second DataFrame
df2 = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F'],
                    ' points ': [22, 25, 27, 35, 25, 20],
                    ' assists ': [15, 13, 8, 8, 5, 8],
                    ' rebs ': [4, 11, 12, 8, 7, 10]})

print (df2)

  team points assists rebs
0 A 22 15 4
1 B 25 13 11
2 C 27 8 12
3 D 35 8 8
4 E 25 5 7
5 F 20 8 10

我们可以使用corrwith()函数来计算两个 DataFrame 中同名数字列之间的相关性：

 #calculate correlation between numeric columns with same names in each DataFrame
df1. corrwith (df2)

points 0.677051
assists -0.478184
NaN rebounds
rebs NaN
dtype:float64

从结果我们可以看出：

• 两个DataFrame的点列值之间的相关性为0.677 。
• 两个 DataFrame 中的辅助列值之间的相关性为-0.478 。

由于这两个 DataFrame 中都不存在列名称ounces和rebs ，因此每个列都会返回NaN值。

注意#1 ：默认情况下， corrwith()函数计算列之间的 Pearson 相关系数，但您也可以指定 method=’kendall’ 或 method=’spearman’ 来计算不同类型的系数而不是相关性。

注意#2 ：您可以在此处找到corrwith()函数的完整文档。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

如何在 Pandas 中按组计算相关性
如何计算pandas中的滑动相关性
如何计算 Pandas 中两列之间的相关性