pandas的相关系数与协方差实例

技术  /  管理员 发布于 7年前   164

1、输出百分比变化以及前后指定的行数

  a = np.arange(1,13).reshape(6,2)  data = DataFrame(a)  #计算列的百分比变化，如果想计算行设置axis=1  print(data.pct_change())  '''       0     1   0    NaN    NaN   1 2.000000 1.000000   2 0.666667 0.500000   3 0.400000 0.333333   4 0.285714 0.250000   5 0.222222 0.200000  '''  #输出前五行,默认是5，可以通过设置n参数来设置输出的行数  print(data.head())  '''    0  1  0 1  2  1 3  4  2 5  6  3 7  8  4 9 10  '''  #输出最后五行  print(data.tail())  '''    0  1  1  3  4  2  5  6  3  7  8  4  9 10  5 11 12  '''

2、计算DataFrame列与列的相关系数和协方差

 a = np.arange(1,10).reshape(3,3)  data = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])  print(data)  '''    one two three  a  1  2   3  b  4  5   6  c  7  8   9  '''  #计算第一列和第二列的相关系数  print(data.one.corr(data.two))  #1.0  #返回一个相关系数矩阵  print(data.corr())  '''      one two three  one  1.0 1.0  1.0  two  1.0 1.0  1.0  three 1.0 1.0  1.0  '''  #计算第一列和第二列的协方差  print(data.one.cov(data.two))  #9.0  #返回一个协方差矩阵  print(data.cov())  '''      one two three  one  9.0 9.0  9.0  two  9.0 9.0  9.0  three 9.0 9.0  9.0  '''

3、计算DataFrame与列或者Series的相关系数

  a = np.arange(1,10).reshape(3,3)  data = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])  print(data)  '''    one two three  a  1  2   3  b  4  5   6  c  7  8   9  '''  #计算data与第三列的相关系数  print(data.corrwith(data.three))  '''  one   1.0  two   1.0  three  1.0  '''  #计算data与Series的相关系数  #在定义Series的时候，索引一定要去DataFrame的索引一样  s = Series([5,3,1],index=["a","b","c"])  print(data.corrwith(s))  '''  one   -1.0  two   -1.0  three  -1.0  '''

注意：在使用DataFrame或Series在计算相关系数或者协方差的时候，都会计算索引重叠的、非NA的、按照索引对齐原则，对于无法对齐的索引会使用NA值进行填充。在使用DataFrame与指定的行或列或Series计算协方差和相关系数的时候，默认都是与DataFrame的列进行计算，如果想要计算行，设置axis参数为1即可。

以上这篇pandas的相关系数与协方差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。