pandas.DataFrame.corrwith

最新推荐文章于 2024-08-26 20:27:27 发布

waifdzdn

最新推荐文章于 2024-08-26 20:27:27 发布

阅读量1.1w

点赞数 15

CC 4.0 BY-SA版权

分类专栏：学习笔记文章标签： Pandas 相关系数

本文链接：https://blog.youkuaiyun.com/w1301100424/article/details/98473560

学习笔记专栏收录该内容

32 篇文章

订阅专栏

本文详细介绍了Pandas库中corrwith函数的使用方法，包括参数解释、不同计算方式及应用场景。通过实例展示如何计算DataFrame中行与行或列与列之间的相关性，适用于数据分析和推荐系统构建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas.DataFrame.corrwith用于计算DataFrame中行与行或者列与列之间的相关性。

Parameters：

other：DataFrame, Series. Object with which to compute correlations.
axis： {0 or ‘index’, 1 or ‘columns’}, default 0. 0 or ‘index’ to compute column-wise, 1 or ‘columns’ for row-wise.
method：{‘pearson’, ‘kendall’, ‘spearman’} or callable.

axis=0或者axis=‘index’ 表示计算列与列的相关性，axis=1或者axis=‘columns’ 表示计算行与行的相关性。method是计算相关性的方法，这里采用pearson correlation coefficient（皮尔逊相关系数）。
下面以一个观众对电影评分的例子说明：
user_movie_ratings
每一行表示一个观众对所有电影的评分，每一列表示所有观众对一部电影的评分。然后分别计算第一位观众和其他观众的相关性
和第一部电影和其它电影的相关性。代码如下：

import pandas as pd
import numpy as np


data = np.array([[5, 5, 3, 3, 4], [3, 4, 5, 5, 4],
                 [3, 4, 3, 4, 5], [5, 5, 3, 4, 4]])
df = pd.DataFrame(data, columns=['The Shawshank Redemption',
                                 'Forrest Gump', 'Avengers: Endgame',
                                 'Iron Man', 'Titanic '],
                  index=['user1', 'user2', 'user3', 'user4'])
# Compute correlation between user1 and other users
user_to_compare = df.iloc[0]
similarity_with_other_users = df.corrwith(user_to_compare, axis=1,
                                          method='pearson')
similarity_with_other_users = similarity_with_other_users.sort_values(
    ascending=False)
# Compute correlation between 'The Shawshank Redemption' and other movies
movie_to_compare = df['The Shawshank Redemption']
similarity_with_other_movies = df.corrwith(movie_to_compare, axis=0)
similarity_with_other_movies = similarity_with_other_movies.sort_values(
    ascending=False)

这里采用了pearson correlation coefficient：
$rxy=∑i=1n(xi−xˉ)(yi−yˉ)∑i=1n(xi−xˉ)2∑i=1n(yi−yˉ)2r_{xy}=\frac{\sum_{i=1}^{n}(x_{i}-\bar{x})(y_{i}-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_{i}-\bar{x})^2}\sqrt{\sum_{i=1}^{n}(y_{i}-\bar{y})^2}}$
其中， $n$ 是样本的维度， $x_i$ 和 $y_i$ 分别表示样本每个维度的值， $xˉ\bar{x}$ $和yˉ和\bar{y}$ 表示样本均值。
以user1和user4为例，计算他们之间的相关系数，user1的均值是4，user2的均值是4.2：
$ruser1−user4=1×0.8+1×0.8+(−1)×(−1.2)+(−1)×(−0.2)+0×(−0.2)12+12+(−1)2+(−1)2+00.82+0.82+(−1.22)+(−0.2)2+(−0.2)2≈0.8964r_{user1-user4}=\frac{1\times0.8+1\times0.8+(-1)\times(-1.2)+(-1)\times(-0.2)+0\times(-0.2)}{\sqrt{1^2+1^2+(-1)^2+(-1)^2+0}\sqrt{0.8^2+0.8^2+(-1.2^2)+(-0.2)^2+(-0.2)^2}}\approx{0.8964}$

这个结果与corrwith函数计算的结果一致。
similarity_with_other_users：
user_correlation
similarity_with_other_movies:
movie_correlation
从结果可以看出，user1和user4的相关性最高，说明他们对每部电影的评分最接近，或者说他们的喜欢电影的类型最接近；《The Shawshank Redemption》和《Forrest Gump》的相关性为1，说明后者的评分和前者最接近。