本文主要演示pandas中DataFrame对象corr()方法的用法，该方法用来计算DataFrame对象中所有列之间的相关系数（包括pearson相关系数、Kendall Tau相关系数和spearman秩相关）。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
>>> import numpy as np>>> import pandas as pd>>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10), 'B':np.random.randint(1, 100, 10), 'C':np.random.randint(1, 100, 10)})>>> df A B C0 5 91 31 90 15 662 93 27 33 70 44 664 27 14 105 35 46 206 33 14 697 12 41 158 28 62 479 15 92 77>>> df.corr() # pearson相关系数 A B CA 1.000000 -0.560009 0.162105B -0.560009 1.000000 0.014687C 0.162105 0.014687 1.000000>>> df.corr('kendall') # Kendall Tau相关系数 A B CA 1.000000 -0.314627 0.113666B -0.314627 1.000000 0.045980C 0.113666 0.045980 1.000000>>> df.corr('spearman') # spearman秩相关 A B CA 1.000000 -0.419455 0.128051B -0.419455 1.000000 0.067279C 0.128051 0.067279 1.000000 |
以上这篇Python+pandas计算数据相关系数的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服务器之家。
原文链接：https://blog.csdn.net/oh5W6HinUg43JvRhhB/article/details/78389809
