Python Pandas dataframe.corrwith()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas dataframe.corrwith()用于计算两个DataFrame对象的行或列之间的成对相关关系。如果两个数据框架对象的形状不一样，那么相应的相关值将是一个NaN值。

语法: DataFrame.count(axis=0, level=None, numeric_only=False)

参数:
other: 数据框架
axis： 0或’索引’用于计算纵列，1或’列’用于计算横列。
drop :从结果中删除缺失的索引，默认返回所有索引的联合。

返回：相关联：系列

注意：变量与自身的相关度为1。

例子#1：使用corrwith()函数来查找两个数据帧对象之间沿**列axis的相关性。

# importing pandas as pd
import pandas as pd
  
# Creating the first dataframe
df1 = pd.DataFrame({"A":[1, 5, 7, 8], 
                    "B":[5, 8, 4, 3],
                    "C":[10, 4, 9, 3]})
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[5, 3, 6, 4],
                    "B":[11, 2, 4, 3],
                    "C":[4, 3, 8, 5]})
  
# Print the first dataframe
print(df1, "\n")
  
# Print the second dataframe
print(df2)

Python Pandas dataframe.corrwith()

现在，沿着行axis找到两个数据框架的列之间的相关性。

# To find the correlation among the
# columns of df1 and df2 along the column axis
df1.corrwith(df2, axis = 0)

输出 :
Python Pandas dataframe.corrwith()
输出系列包含了两个数据框架对象的三列之间分别的相关性。

例子#2：使用corrwith()函数来查找两个数据帧对象之间沿**行axis的相关性。

# importing pandas as pd
import pandas as pd
  
# Creating the first dataframe
df1 = pd.DataFrame({"A":[1, 5, 7, 8],
                    "B":[5, 8, 4, 3],
                    "C":[10, 4, 9, 3]})
  
# Creating the second dataframe 
df2 = pd.DataFrame({"A":[5, 3, 6, 4],
                    "B":[11, 2, 4, 3], 
                    "C":[4, 3, 8, 5]})
  
# To find the correlation among the
# columns of df1 and df2 along the row axis
df1.corrwith(df2, axis = 1)