熊猫 corr() 与 corrwith()

Pandas 提供两种不同的相关函数的原因是什么？

DataFrame.corrwith(其他，轴=0，drop=False): 两个DataFrame对象的行或列之间的相关性成对计算

vs.

DataFrame.corr(method='pearson', min_periods=1)：两两计算 列的相关性，不包括 NA/null 值

（来自 pandas 0.20.3 文档）

基本答案：

这是一个可能更清楚的例子：

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 所指出的，使用corr比较同一数据框中的数字列。非数字列将自动被跳过。

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

您可以比较 df1 和 df2 的列corrwith。请注意，只有带有相同的名字进行比较：

df1.corrwith(df2)

a    0.993085
b         NaN
c         NaN

其他选项：

如果您希望 pandas 忽略列名称并仅将 df1 的第一行与 df2 的第一行进行比较，那么您可以重命名 df2 的列以匹配 df1 的列，如下所示：

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

a    0.993085
b    0.969220

请注意，在这种情况下，df1 和 df2 需要具有相同的列数。

最后，厨房水槽方法：您也可以简单地水平连接两个数据集，然后使用corr()。优点是，无论列数及其命名方式如何，这基本上都可以工作，但缺点是您可能会得到比您想要或需要的更多的输出：

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