python | pandas data frame.corr()
原文:https://www.geeksforgeeks.org/python-pandas-dataframe-corr/
Python 是进行数据分析的优秀语言，主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包，让导入和分析数据变得容易多了。
Pandas **dataframe.corr()**用于查找数据帧中所有列的成对相关性。自动排除任何na值。对于 dataframe 中的任何非数字数据类型列，它都将被忽略。
语法: DataFrame.corr(self，method='pearson '，min_periods=1)
参数: 方法:
pearson:标准相关系数kendall:肯德尔τ相关系数spearman:斯皮尔曼秩相关 min_periods : 每对列获得有效结果所需的最小观测数。目前仅适用于皮尔森和斯皮尔曼相关性返回:计数:y:数据帧
注:一个变量与自身的相关性为 1。
有关代码中使用的 CSV 文件的链接，请单击此处的
示例#1: 使用corr()函数，使用“皮尔逊”方法查找数据框中各列之间的相关性。
# importing pandas as pd
import pandas as pd
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
# Printing the first 10 rows of the data frame for visualization
df[:10]
现在使用corr()函数找到列之间的相关性。数据框中只有四个数字列。
# To find the correlation among
# the columns using pearson method
df.corr(method ='pearson')
输出:
输出数据帧可以解释为对于任何单元格，行变量与列变量的相关性就是单元格的值。如前所述，变量与其自身的相关性为 1。因此，所有对角线值都是 1.00
示例#2: 使用corr()函数，使用“肯德尔”方法查找数据框中各列之间的相关性。
# importing pandas as pd
import pandas as pd
# Making data frame from the csv file
df = pd.read_csv("nba.csv")
# To find the correlation among
# the columns using kendall method
df.corr(method ='kendall')
输出:
输出数据帧可以解释为对于任何单元格，行变量与列变量的相关性就是单元格的值。如前所述，变量与其自身的相关性为 1。因此，所有对角线值都是 1.00。
