{"id":3652,"date":"2023-07-16T08:13:17","date_gmt":"2023-07-16T08:13:17","guid":{"rendered":"https:\/\/statorials.org\/it\/panda-abbinati\/"},"modified":"2023-07-16T08:13:17","modified_gmt":"2023-07-16T08:13:17","slug":"panda-abbinati","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/panda-abbinati\/","title":{"rendered":"Come utilizzare corrwith() in panda (con esempi)"},"content":{"rendered":"

<\/p>\n

\n

\u00c8 possibile utilizzare la funzione corrwith()<\/strong> in Panda per calcolare la correlazione a coppie tra colonne numeriche con lo stesso nome<\/em> in due DataFrames Panda diversi.<\/span><\/p>\n

Questa funzione utilizza la seguente sintassi di base:<\/span><\/p>\n

 df1. corrwith<\/span> (df2)<\/span><\/span>\n<\/strong><\/pre>\n
 Nota<\/strong> : questa funzione \u00e8 diversa dalla funzione corr()<\/strong> , che calcola la correlazione tra due colonne numeriche all’interno dello stesso DataFrame.<\/span><\/p>\n
 L’esempio seguente mostra come utilizzare nella pratica la funzione corrwith()<\/strong> .<\/span><\/p>\n
 Esempio: come utilizzare corrwith() in Panda<\/strong><\/span><\/h2>\n
 Supponiamo di avere i seguenti due DataFrames panda:<\/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
 Possiamo usare la funzione corrwith()<\/strong> per calcolare la correlazione tra colonne numeriche con gli stessi nomi nei due 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
 Dal risultato possiamo vedere:<\/span><\/p>\n