Pandas 两个重要函数——corr()和corrwith()

在本文中，我们将介绍Pandas中的两个重要函数——corr()和corrwith()，并讨论它们的区别和应用情况。

阅读更多：Pandas 教程

corr()

Pandas中的corr()函数用于计算DataFrame中所有列之间的相关系数。该函数的语法如下：

DataFrame.corr(method='pearson', min_periods=1)

其中，method参数用于指定计算相关系数的方法，可选的方法包括’pearson’、’kendall’和’spearman’，默认值为’pearson’。min_periods参数用于指定参与计算的数据点的最小个数。如果某一列的有效数据点数小于min_periods，则该列的所有相关系数为NaN。

以下是一个示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df.corr())

输出结果为：

     A    B    C
A  1.0  1.0  1.0
B  1.0  1.0  1.0
C  1.0  1.0  1.0

从以上结果可知，该DataFrame中的任意两列之间的相关系数均为1.0，即完全正相关。这是因为这个DataFrame是手动创建的数据集，其中每个元素都是彼此的倍数。

corrwith()

Pandas中的corrwith()函数用于计算DataFrame中的某一列与其他列之间的相关系数。该函数的语法如下：

DataFrame.corrwith(other, method='pearson', axis=0, drop=False)

其中，other参数用于指定计算相关系数的列，method参数和min_periods参数与corr()函数完全一致。axis参数用于指定计算相关系数的方向，如果值为0，则计算每一列之间的相关系数；如果值为1，则计算每一行之间的相关系数。drop参数用于指定在计算相关系数时，是否将other列从DataFrame中删除。

以下是一个示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df.corrwith(df['A']))

输出结果为：

A    1.000000
B    0.999706
C    0.999411
dtype: float64

从以上结果可知，该DataFrame中每一列与列’A’之间的相关系数均为接近于1的数值。这是因为’A’列是其它列的倍数。

相关性分析

相关系数是衡量两个变量之间相关性强度的指标。如果两个变量完全正相关，则相关系数为1.0；如果两个变量完全负相关，则相关系数为-1.0；如果两个变量之间没有任何相关性，则相关系数为0。房产数据可以作为举例来解释两个变量之间的相关性。我们使用读取数据的函数read_csv()从文件中读取房产价格和面积数据。我们可以创建一个简单的Pandas DataFrame，以计算它们之间的相关系数。

以下是一个示例：

import pandas as pd

df = pd.read_csv('housing.csv')
print(df.corr())

运行以上代码，我们可以得到两个变量之间的相关系数矩阵：

从相关系数矩阵可以看出，房价与房间数、房屋面积之间的相关系数均较高，分别为0.524和0.935。而房价与房龄之间的相关系数较弱，为NaN（因为我们在读取数据时未处理NaN值）。另外，房屋面积与房间数之间的相关系数也较高，为0.818。

总结

在Pandas中，corr()和corrwith()函数都可以用于计算DataFrame中变量之间的相关系数。不同之处在于，前者计算所有列之间的相关系数，后者计算某一列与其他列之间的相关系数。两者的应用场景略有不同，如果需要计算所有变量之间的相关系数，使用corr()函数更为方便；如果需要计算某一变量与其他变量之间的相关系数，使用corrwith()函数更为合适。在进行相关性分析时，相关系数矩阵可以让我们更直观地了解各变量之间的相关性强度，为特征选择、数据预处理以及建模提供参考。