{"id":3651,"date":"2023-07-16T08:13:17","date_gmt":"2023-07-16T08:13:17","guid":{"rendered":"https:\/\/statorials.org\/id\/panda-yang-cocok\/"},"modified":"2023-07-16T08:13:17","modified_gmt":"2023-07-16T08:13:17","slug":"panda-yang-cocok","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/panda-yang-cocok\/","title":{"rendered":"Cara menggunakan corrwith() di pandas (dengan contoh)"},"content":{"rendered":"

<\/p>\n

\n

Anda dapat menggunakan fungsi corrwith()<\/strong> di panda untuk menghitung korelasi berpasangan antara kolom numerik dengan nama yang sama<\/em> di dua DataFrame panda yang berbeda.<\/span><\/p>\n

Fungsi ini menggunakan sintaks dasar berikut:<\/span><\/p>\n

 df1. corrwith<\/span> (df2)<\/span><\/span>\n<\/strong><\/pre>\n
 Catatan<\/strong> : Fungsi ini berbeda dengan fungsi corr()<\/strong> , yang menghitung korelasi antara dua kolom numerik dalam DataFrame yang sama.<\/span><\/p>\n
 Contoh berikut menunjukkan cara menggunakan fungsi corrwith()<\/strong> dalam praktiknya.<\/span><\/p>\n
 Contoh: Cara menggunakan corrwith() di Pandas<\/strong><\/span><\/h2>\n
 Mari kita asumsikan kita memiliki dua panda DataFrames berikut:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#create first DataFrame\n<\/span>df1 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F'],\n                    ' points<\/span> ': [18, 22, 29, 25, 14, 11],\n                    ' assists<\/span> ': [4, 5, 5, 4, 8, 12],\n                    ' rebounds<\/span> ': [10, 6, 4, 6, 3, 5]})\n\nprint<\/span> (df1)\n\n  team points assists rebounds\n0 to 18 4 10\n1 B 22 5 6\n2 C 29 5 4\n3 D 25 4 6\n4 E 14 8 3\n5 F 11 12 5\n\n#create second DataFrame<\/span>\ndf2 = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F'],\n                    ' points<\/span> ': [22, 25, 27, 35, 25, 20],\n                    ' assists<\/span> ': [15, 13, 8, 8, 5, 8],\n                    ' rebs<\/span> ': [4, 11, 12, 8, 7, 10]})\n\nprint<\/span> (df2)\n\n  team points assists rebs\n0 A 22 15 4\n1 B 25 13 11\n2 C 27 8 12\n3 D 35 8 8\n4 E 25 5 7\n5 F 20 8 10<\/b><\/pre>\n
 Kita dapat menggunakan fungsi corrwith()<\/strong> untuk menghitung korelasi antara kolom numerik dengan nama yang sama di dua DataFrames:<\/span><\/p>\n
 #calculate correlation between numeric columns with same names in each DataFrame\n<\/span>df1. corrwith<\/span> (df2)\n\npoints 0.677051\nassists -0.478184\nNaN rebounds\nrebs NaN\ndtype:float64<\/span><\/span><\/strong><\/pre>\n
 Dari hasilnya kita dapat melihat:<\/span><\/p>\n