python中的corr函数_Python Pandas Series.corr()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.corr()函数计算与其他系列的相关性，排除缺失值。

用法： Series.corr(other, method=’pearson’, min_periods=None)

参数：

other:系列

method:{'pearson'，'kendall'，'spearman'}或可致电

min_periods:获得有效结果所需的最少观察数

返回：相关性：浮动

范例1：采用Series.corr()函数查找给定系列对象与另一个对象的相关性。

# importing pandas as pd

import pandas as pd

# Creating the first Series

sr1 = pd.Series([80, 25, 3, 25, 24, 6])

# Creating the second Series

sr2 = pd.Series([34, 5, 13, 32, 4, 15])

# Create the Index

index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']

# set the first index

sr1.index = index_

# set the second index

sr2.index = index_

# Print the first series

print(sr1)

# Print the second series

print(sr2)

输出：

现在我们将使用Series.corr()函数查找给定系列对象的基础数据与其他对象之间的相关性。

# find the correlation

result = sr1.corr(sr2)

# Print the result

print(result)

输出：

正如我们在输出中看到的，Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。

范例2：采用Series.corr()函数查找给定系列对象与另一个对象的相关性。系列对象包含一些缺失值。

# importing pandas as pd

import pandas as pd

# Creating the first Series

sr1 = pd.Series([51, 10, 24, 18, None, 84, 12, 10, 5, 24, 2])

# Creating the second Series

sr2 = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])

# Create the Index

index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')

# set the first index

sr1.index = index_

# set the second index

sr2.index = index_

# Print the first series

print(sr1)

# Print the second series

print(sr2)

输出：

现在我们将使用Series.corr()函数查找给定系列对象的基础数据与其他对象之间的相关性。

# find the correlation

result = sr1.corr(sr2)

# Print the result

print(result)

输出：

正如我们在输出中看到的，Series.corr()函数已成功返回给定系列对象的基础数据之间的相关性。在计算对象之间的相关性时，将跳过缺少的值。