使用.corr得到兩列

Question

之間的關係，我有以下大熊貓據幀Top15：

我創建估計每人可引用的文件數量列：

Top15['PopEst'] = Top15['Energy Supply']/Top15['Energy Supply per Capita'] 
Top15['Citable docs per Capita'] = Top15['Citable documents']/Top15['PopEst'] 

我想知道人均可接受文件數量與人均能源供應之間的關係。所以我用.corr()方法（Pearson相關）：

data = Top15[['Citable docs per Capita','Energy Supply per Capita']] 
correlation = data.corr(method='pearson') 

我想回到一個單一的數字，但結果是：

誰能幫助我？

Answer 1

沒有實際數據很難回答這個問題，但我猜你正在尋找的東西是這樣的：

Top15['Citable docs per Capita'].corr(Top15['Energy Supply per Capita']) 

這使你的兩列之間的相關性。

實施例：

import pandas as pd 
df = pd.DataFrame({'A': range(4), 'B': [2*i for i in range(4)]}) 

    A B 
0 0 0 
1 1 2 
2 2 4 
3 3 6 

然後

df['A'].corr(df['B']) 

給出1如預期。

現在，如果您更改了一個值，例如

df.loc[2, 'B'] = 4.5 

    A B 
0 0 0.0 
1 1 2.0 
2 2 4.5 
3 3 6.0 

命令

df['A'].corr(df['B']) 

返回

0.99586 

這仍然是接近1，如所預期。

如果您將.corr直接應用於您的數據框，它將返回列之間的所有成對相關性;這就是爲什麼你在矩陣的對角線上觀察到1s（每列與自身完全相關）。因此

df.corr() 

將返回

  A   B 
A 1.000000 0.995862 
B 0.995862 1.000000 

在您顯示圖形，只有相關矩陣的左上角被表示（I假設）。

如果要過濾/低於特定閾值的條目，可以檢查this question。 如果要繪製相關係數的熱圖，可以檢查this answer，然後如果您遇到重疊軸標籤檢查the following post的問題。

Answer 2

我遇到了同樣的問題。 它似乎是Citable Documents per Person是一個浮點數，python默認跳過它。我的數據框的所有其它列均在numpy的的格式，所以我解決它通過轉換columnt到np.float64

Top15['Citable Documents per Person']=np.float64(Top15['Citable Documents per Person']) 

記住這正是你計算自己

Answer 3

列如果希望所有對之間的相關性的列，你可以這樣做：

import pandas as pd 
import numpy as np 

def get_corrs(df): 
    col_correlations = df.corr() 
    col_correlations.loc[:, :] = np.tril(col_correlations, k=-1) 
    cor_pairs = col_correlations.stack() 
    return cor_pairs.to_dict() 

my_corrs = get_corrs(df) 
# and the following line to retrieve the single correlation 
print(my_corrs[('Citable docs per Capita','Energy Supply per Capita')]) 

Answer 4

我通過改變數據類型解決了這個問題。如果您看到「人均能源供應量」是一種數字類型，而「可用人均文檔數」是一種對象類型。我使用astype將列轉換爲float。我有一些NP功能相同的問題：count_nonzero和sum工作，而mean和std沒有。