python - Pandas corr() 与 corrwith()

Question

Pandas 提供两种不同关联函数的原因是什么？

DataFrame.corrwith(other, axis=0, drop=False): Correlation between rows or columns of two DataFrame objectsCompute pairwise

对比

DataFrame.corr(method='pearson', min_periods=1): Compute pairwise correlation of columns, excluding NA/null values

(来自 pandas 0.20.3 文档)

Answer 1

基本答案:

下面是一个可能更清楚的例子:

np.random.seed(123)
df1=pd.DataFrame( np.random.randn(3,2), columns=list('ab') )
df2=pd.DataFrame( np.random.randn(3,2), columns=list('ac') )

如@ffeast 所述，使用 corr 比较同一数据框中的数字列。将自动跳过非数字列。

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

您可以将 df1 和 df2 的列与 corrwith 进行比较。请注意，只会比较具有相同名称的列:

df1.corrwith(df2)

a    0.993085
b         NaN
c         NaN

其他选项:

如果你想让 pandas 忽略列名，只比较 df1 的第一行和 df2 的第一行，那么你可以重命名 df2 的列以匹配 df1 的列，如下所示:

df1.corrwith(df2.set_axis( df1.columns, axis='columns', inplace=False))

a    0.993085
b    0.969220

请注意，在这种情况下，df1 和 df2 需要具有相同的列数。

最后，厨房水槽方法:您也可以简单地水平连接两个数据集，然后使用 corr()。优点是无论列的数量和它们的命名方式如何，这基本上都有效，但缺点是您可能获得比您想要或需要的更多的输出:

pd.concat([df1,df2],axis=1).corr()

          a         b         a         c
a  1.000000 -0.840475  0.993085 -0.681203
b -0.840475  1.000000 -0.771050  0.969220
a  0.993085 -0.771050  1.000000 -0.590545
c -0.681203  0.969220 -0.590545  1.000000