{"id":1169,"date":"2023-07-27T10:11:54","date_gmt":"2023-07-27T10:11:54","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-korrelationslager\/"},"modified":"2023-07-27T10:11:54","modified_gmt":"2023-07-27T10:11:54","slug":"pandas-korrelationslager","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-korrelationslager\/","title":{"rendered":"So berechnen sie die rollierende korrelation bei pandas: mit beispielen"},"content":{"rendered":"

<\/p>\n

\n

Rollierende Korrelationen<\/strong> sind Korrelationen zwischen zwei Zeitreihen \u00fcber ein gleitendes Fenster. Einer der Vorteile dieser Art der Korrelation besteht darin, dass Sie die Korrelation zwischen zwei Zeitreihen im Zeitverlauf visualisieren k\u00f6nnen.<\/span><\/p>\n

In diesem Tutorial wird erl\u00e4utert, wie Sie rollierende Korrelationen f\u00fcr einen Pandas-DataFrame in Python berechnen und visualisieren.<\/span><\/p>\n

So berechnen Sie rollierende Korrelationen bei Pandas<\/strong><\/h3>\n

Angenommen, wir haben den folgenden Datenrahmen, der die Gesamtzahl der verkauften Produkte f\u00fcr zwei verschiedene Produkte ( x<\/em> und y<\/em> ) \u00fcber einen Zeitraum von 15 Monaten anzeigt:<\/span><\/p>\n

 import<\/span> pandas as<\/span> pd<\/span>\nimport<\/span> numpy as<\/span> np<\/span>\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'month': np. arange<\/span> (1, 16),\n                   'x': [13, 15, 16, 15, 17, 20, 22, 24, 25, 26, 23, 24, 23, 22, 20],\n                   'y': [22, 24, 23, 27, 26, 26, 27, 30, 33, 32, 27, 25, 28, 26, 28]})\n\n#view first six rows\n<\/span>df. head<\/span> ()\n\n  month xy\n1 1 13 22\n2 2 15 24\n3 3 16 23\n4 4 15 27\n5 5 17 26\n6 6 20 26<\/strong><\/pre>\n
 Um eine rollierende Korrelation in Pandas zu berechnen, k\u00f6nnen wir die Funktion Rolling.corr()<\/a> verwenden.<\/span><\/p>\n
 Diese Funktion verwendet die folgende Syntax:<\/span><\/p>\n
 df[‚x‘].rolling(width).corr(df[‚y‘])<\/strong><\/span><\/p>\n
 Gold:<\/span><\/p>\n