python - Pandas Correlation Groupby

Question

假设我有一个类似于下面的数据框，我将如何获得 2 个特定列之间的相关性，然后按“ID”列分组？我相信 Pandas 'corr' 方法可以找到所有列之间的相关性。如果可能的话，我还想知道如何使用 .agg 函数(即 np.correlate)找到“groupby”相关性。

我有什么:

ID  Val1    Val2    OtherData   OtherData
A   5       4       x           x
A   4       5       x           x
A   6       6       x           x
B   4       1       x           x
B   8       2       x           x
B   7       9       x           x
C   4       8       x           x
C   5       5       x           x
C   2       1       x           x

我需要什么:

ID  Correlation_Val1_Val2
A   0.12
B   0.22
C   0.05

Answer 1

你几乎想通了所有的部分，只需将它们组合起来:

>>> df.groupby('ID')[['Val1','Val2']].corr()

             Val1      Val2
ID                         
A  Val1  1.000000  0.500000
   Val2  0.500000  1.000000
B  Val1  1.000000  0.385727
   Val2  0.385727  1.000000

在您的情况下，为每个 ID 打印 2x2 过于冗长。我没有看到打印标量相关性而不是整个矩阵的选项，但是如果您只有两个变量，您可以执行类似这样的简单操作:

>>> df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2,-1]

ID       
A   Val1    0.500000
B   Val1    0.385727

对于 3+ 个变量的更一般情况

对于 3 个或更多变量，创建简洁的输出并不简单，但您可以执行以下操作:

groups = list('Val1', 'Val2', 'Val3', 'Val4')
df2 = pd.DataFrame()
for i in range( len(groups)-1): 
    df2 = df2.append( df.groupby('ID')[groups].corr().stack()
                        .loc[:,groups[i],groups[i+1]:].reset_index() )

df2.columns = ['ID', 'v1', 'v2', 'corr']
df2.set_index(['ID','v1','v2']).sort_index()

请注意，如果我们没有 groupby 元素，则可以直接使用 numpy 中的上三角函数或下三角函数。但由于存在该元素，据我所知，以更优雅的方式生成简洁的输出并不容易。