pandas.DataFrame.corrwith#

DataFrame.corrwith(other, axis=0, drop=False, method='pearson', numeric_only=False, min_periods=None)[源代码][源代码]#

计算成对相关性。

成对相关性是在 DataFrame 的行或列与 Series 或 DataFrame 的行或列之间计算的。在计算相关性之前，DataFrame 首先沿着两个轴对齐。

参数:

其他DataFrame, Series

用于计算相关性的对象。

轴{0 或 ‘index’, 1 或 ‘columns’}，默认 0

要使用的轴。0 或 ‘index’ 用于按行计算，1 或 ‘columns’ 用于按列计算。

删除bool, 默认为 False

从结果中删除缺失的索引。

方法{‘pearson’, ‘kendall’, ‘spearman’} 或可调用

相关方法：

pearson : 标准相关系数
kendall : Kendall Tau 相关系数
spearman : Spearman 等级相关
callable: 带有两个一维 ndarrays 输入的可调用对象
并返回一个浮点数。

numeric_onlybool, 默认为 False

只包含 float, int 或 boolean 数据。

min_periodsint, 可选

需要的最小观测数以获得有效结果。

Added in version 1.5.0.

在 2.0.0 版本发生变更: numeric_only 的默认值现在是 False。

返回:

系列: 成对相关性。

参见

DataFrame.corr: 计算列之间的成对相关性。

例子

>>> index = ["a", "b", "c", "d", "e"]
>>> columns = ["one", "two", "three", "four"]
>>> df1 = pd.DataFrame(
...     np.arange(20).reshape(5, 4), index=index, columns=columns
... )
>>> df2 = pd.DataFrame(
...     np.arange(16).reshape(4, 4), index=index[:4], columns=columns
... )
>>> df1.corrwith(df2)
one      1.0
two      1.0
three    1.0
four     1.0
dtype: float64

>>> df2.corrwith(df1, axis=1)
a    1.0
b    1.0
c    1.0
d    1.0
e    NaN
dtype: float64