时间:2021-05-22
本文主要演示pandas中DataFrame对象corr()方法的用法,该方法用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。
>>> import numpy as np>>> import pandas as pd>>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10), 'B':np.random.randint(1, 100, 10), 'C':np.random.randint(1, 100, 10)})>>> df A B C0 5 91 31 90 15 662 93 27 33 70 44 664 27 14 105 35 46 206 33 14 697 12 41 158 28 62 479 15 92 77>>> df.corr() # pearson相关系数 A B CA 1.000000 -0.560009 0.162105B -0.560009 1.000000 0.014687C 0.162105 0.014687 1.000000>>> df.corr('kendall') # Kendall Tau相关系数 A B CA 1.000000 -0.314627 0.113666B -0.314627 1.000000 0.045980C 0.113666 0.045980 1.000000>>> df.corr('spearman') # spearman秩相关 A B CA 1.000000 -0.419455 0.128051B -0.419455 1.000000 0.067279C 0.128051 0.067279 1.000000以上这篇Python+pandas计算数据相关系数的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
用pandas计算相关系数计算相关系数用pandas,比如我想知道风速大小与风向紊乱(标准差来衡量)之间的相关系数,下面是代码:importpandasaspd
R语言按日期分组求相关系数前几天得到了3700+支股票一周内的波动率,想要计算每周各个股票之间的相关系数并将其可视化。最终结果保存在制定文件夹中。部分数据如下:
本文实例为大家分享了python绘制热力图的具体代码,供大家参考,具体内容如下python的热力图是用皮尔逊相关系数来查看两者之间的关联性。#encoding:
自相关图是一个平面二维坐标悬垂线图。横坐标表示延迟阶数,纵坐标表示自相关系数偏自相关图跟自相关图类似,横坐标表示延迟阶数,纵坐标表示偏自相关系数自相关图与偏自相
Pandas主要统计特征函数:方法名函数功能sum()计算数据样本的总和(按列计算)mean()计算数据样本的算术平均数var()计算数据样本的方差std()计