pandas.core.groupby.DataFrameGroupBy.corrwith#

DataFrameGroupBy.corrwith(other, axis=, drop=False, method='pearson', numeric_only=False)[источник]#

Вычислить попарную корреляцию.

Попарная корреляция вычисляется между строками или столбцами DataFrame и строками или столбцами Series или DataFrame. DataFrames сначала выравниваются по обеим осям перед вычислением корреляций.

Параметры:

otherDataFrame, Series

Объект, с которым вычисляются корреляции.

ось{0 или 'index', 1 или 'columns'}, по умолчанию 0

Ось для использования. 0 или 'index' для вычислений по строкам, 1 или 'columns' для вычислений по столбцам.

dropbool, по умолчанию False

Удалить отсутствующие индексы из результата.

метод{‘pearson’, ‘kendall’, ‘spearman’} или вызываемый объект

Метод корреляции:

pearson : стандартный коэффициент корреляции
kendall : коэффициент корреляции Кендалла
spearman : корреляция рангов Спирмена
вызываемый объект: вызываемый объект с входными двумя одномерными массивами ndarray
и возвращает число с плавающей точкой.

numeric_onlybool, по умолчанию False

Включите только float, int или логический data.

Добавлено в версии 1.5.0.

Изменено в версии 2.0.0: Значение по умолчанию для numeric_only теперь False.

Возвращает:

Series: Попарные корреляции.

Смотрите также

DataFrame.corr: Вычисление попарной корреляции столбцов.

Примеры

>>> 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