pandas的相关系数与协方差实例

1、输出百分比变化以及前后指定的行数a=np.arange(1,13).reshape(6,2)data=DataFrame(a)#计算列的百分

1、输出百分比变化以及前后指定的行数

 a = np.arange(1,13).reshape(6,2)
 data = DataFrame(a)
 #计算列的百分比变化，如果想计算行设置axis=1
 print(data.pct_change())
 '''
 0 1
 0 NaN NaN
 1 2.000000 1.000000
 2 0.666667 0.500000
 3 0.400000 0.333333
 4 0.285714 0.250000
 5 0.222222 0.200000
 '''
 #输出前五行,默认是5，可以通过设置n参数来设置输出的行数
 print(data.head())
 '''
 0 1
 0 1 2
 1 3 4
 2 5 6
 3 7 8
 4 9 10
 '''
 #输出最后五行
 print(data.tail())
 '''
 0 1
 1 3 4
 2 5 6
 3 7 8
 4 9 10
 5 11 12
 '''

2、计算DataFrame列与列的相关系数和协方差

 a = np.arange(1,10).reshape(3,3)
 data = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])
 print(data)
 '''
 one two three
 a 1 2 3
 b 4 5 6
 c 7 8 9
 '''
 #计算第一列和第二列的相关系数
 print(data.one.corr(data.two))
 #1.0
 #返回一个相关系数矩阵
 print(data.corr())
 '''
 one two three
 one 1.0 1.0 1.0
 two 1.0 1.0 1.0
 three 1.0 1.0 1.0
 '''
 #计算第一列和第二列的协方差
 print(data.one.cov(data.two))
 #9.0
 #返回一个协方差矩阵
 print(data.cov())
 '''
 one two three
 one 9.0 9.0 9.0
 two 9.0 9.0 9.0
 three 9.0 9.0 9.0
 '''

3、计算DataFrame与列或者Series的相关系数

 a = np.arange(1,10).reshape(3,3)
 data = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])
 print(data)
 '''
 one two three
 a 1 2 3
 b 4 5 6
 c 7 8 9
 '''
 #计算data与第三列的相关系数
 print(data.corrwith(data.three))
 '''
 one 1.0
 two 1.0
 three 1.0
 '''
 #计算data与Series的相关系数
 #在定义Series的时候，索引一定要去DataFrame的索引一样
 s = Series([5,3,1],index=["a","b","c"])
 print(data.corrwith(s))
 '''
 one -1.0
 two -1.0
 three -1.0
 '''

注意：在使用DataFrame或Series在计算相关系数或者协方差的时候，都会计算索引重叠的、非NA的、按照索引对齐原则，对于无法对齐的索引会使用NA值进行填充。在使用DataFrame与指定的行或列或Series计算协方差和相关系数的时候，默认都是与DataFrame的列进行计算，如果想要计算行，设置axis参数为1即可。

以上这篇pandas的相关系数与协方差实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

pandas 相关系数 协方差