pandas.core.window.expanding.Expanding.corr#

Расширяющийся.corr(other=None, pairwise=None, ddof=1, numeric_only=False)[источник]#

Рассчитать расширяющуюся корреляцию.

Параметры:

otherSeries или DataFrame, опционально: Если не указано, то по умолчанию будет использоваться self и создаваться попарный вывод.
pairwisebool, по умолчанию None: Если False, то будут использоваться только совпадающие столбцы между self и other, и результатом будет DataFrame. Если True, то будут вычислены все попарные комбинации, и результатом будет DataFrame с MultiIndex в случае входных данных DataFrame. В случае отсутствующих элементов будут использоваться только полные попарные наблюдения.
numeric_onlybool, по умолчанию False: Включать только столбцы с типами float, int, boolean.

Добавлено в версии 1.5.0.

Возвращает:

Series или DataFrame: Тип возвращаемого значения такой же, как у исходного объекта с np.float64 тип данных.

Смотрите также

cov: Похожий метод для вычисления ковариации.
numpy.corrcoef: Расчёт корреляции Пирсона в NumPy.
pandas.Series.expanding: Вызов expanding с данными Series.
pandas.DataFrame.expanding: Вызов expanding с DataFrames.
pandas.Series.corr: Агрегация corr для Series.
pandas.DataFrame.corr: Агрегирование corr для DataFrame.

Примечания

Эта функция использует определение корреляции Пирсона (https://en.wikipedia.org/wiki/Pearson_correlation_coefficient).

Когда other не указан, результатом будет автокорреляция (например, все 1), за исключением DataFrame входные данные с pairwise установлено в True.

Функция вернет NaN для корреляций последовательностей с равными значениями; это результат ошибки деления 0/0.

Когда pairwise установлено в False, только соответствующие столбцы между self и other будет использоваться.

Когда pairwise установлено в True, вывод будет DataFrame с MultiIndex с исходным индексом на первом уровне, и other Столбцы DataFrame на втором уровне.

В случае отсутствующих элементов будут использоваться только полные парные наблюдения.

Примеры

>>> ser1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
>>> ser2 = pd.Series([10, 11, 13, 16], index=['a', 'b', 'c', 'd'])
>>> ser1.expanding().corr(ser2)
a         NaN
b    1.000000
c    0.981981
d    0.975900
dtype: float64