Pandas corr（）vs corrwith（）

Question

Pandas提供兩種不同的相關函數的原因是什麼？

DataFrame.corrwith（其他，軸= 0，降=假）：2數據幀objectsCompute成對

與

數據幀的行或列之間的相關性 .corr（method ='pearson'，min_periods = 1）：計算成對 列的相關性，不包括NA /空值

（從熊貓0.20.3文檔）

Answer 1

第一個計算與另一個數據幀的相關性：

2數據幀的行或列之間的對象

第二個單位計算它本身

計算列

的對相關

Answer 2

基本答案：

這裏有一個例子可能更清楚：

np.random.seed(123) 
df1=pd.DataFrame(np.random.randn(3,2), columns=list('ab')) 
df2=pd.DataFrame(np.random.randn(3,2), columns=list('ac')) 

正如@ffeast指出，使用corr比較內的數值列相同的數據幀。非數字列將被自動跳過。

df1.corr() 

      a   b 
a 1.000000 -0.840475 
b -0.840475 1.000000 

您可以corrwith比較DF1 & DF2列。需要注意的是與同名僅列進行比較：

df1.corrwith(df2) 

a 0.993085 
b   NaN 
c   NaN 

附加選項：

如果你想熊貓忽略列名，只是DF1的第一行比較的第一行DF2的，那麼你可以重新命名DF2的列匹配DF1的列是這樣的：

df1.corrwith(df2.set_axis(df1.columns, axis='columns', inplace=False)) 

a 0.993085 
b 0.969220 

注意DF1和DF2需要具有相同的列數在這種情況下。

最後，廚房水槽方法：您也可以簡單地水平連接兩個數據集，然後使用corr()。其優點是，這主要作品無論列數以及它們是如何命名的，但缺點是，你可能會得到比你想要更多的輸出或需要：

pd.concat([df1,df2],axis=1).corr() 

      a   b   a   c 
a 1.000000 -0.840475 0.993085 -0.681203 
b -0.840475 1.000000 -0.771050 0.969220 
a 0.993085 -0.771050 1.000000 -0.590545 
c -0.681203 0.969220 -0.590545 1.000000