Pandas DataFrame.corr()函数
Minahil Noor
2023年1月30日
2021年1月22日
-
pandas.DataFrame.corr()语法 -
示例代码：
DataFrame.corr()方法使用pearson方法查找相关矩阵 -
示例代码：
DataFrame.corr()方法使用kendall方法查找相关矩阵 -
示例代码：
DataFrame.corr()方法使用 Spearman 方法和更多列值对查找相关矩阵
Python Pandas DataFrame.corr() 函数查找 DataFrame 各列之间的相关性。
pandas.DataFrame.corr() 语法
DataFrame.corr(method='pearson',
min_periods=1)
参数
method |
相关的方法。它可以是 pearson、kendall 和 pearman。pearson 是默认值。 |
min_periods |
该参数规定了每对列所需的最少观测次数，以获得有效结果。目前只适用于 pearson 和 pearman 相关。 |
返回
它返回带有计算出的列间相关性的 Dataframe。
示例代码：DataFrame.corr() 方法使用 pearson 方法查找相关矩阵
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr()
print("The Correlation Matrix is: \n")
print(dataframe1)
输出：
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.00000 -0.61515
Obtained Marks -0.61515 1.00000
函数已返回了相关矩阵。它忽略了非数字列。它使用 pearson 方法和一对列值（min_position=1）计算了相关性。
示例代码：DataFrame.corr() 方法使用 kendall 方法查找相关矩阵
使用 Kendall 方法寻找相关性，我们将调用 corr() 函数来使用 method= "kendall"。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr(method= "kendall")
print("The Correlation Matrix is: \n")
print(dataframe1)
输出：
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.0 -0.4
Obtained Marks -0.4 1.0
函数返回了相关矩阵。它使用 Kendall 方法和一对列值(min_position= 1)计算了相关性。
示例代码：DataFrame.corr() 方法使用 Spearman 方法和更多列值对查找相关矩阵
现在我们将使用 pearsman 方法将 min_periods 的值设置为 2。参数 min_periods 只适用于 pearson 和 pearman 方法。
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr(method= "spearman", min_periods = 2)
print("The Correlation Matrix is: \n")
print(dataframe1)
输出：
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.0 -0.5
Obtained Marks -0.5 1.0
现在，该函数已使用 2 对列值计算了相关性。