Pandas 关联表限制为 m 列乘 n 行答案

【问题标题】：Pandas correlation table limited to m columns by n rowsPandas 关联表限制为 m 列乘 n 行
【发布时间】：2016-09-16 20:47:32
【问题描述】：

我知道如何创建一个（可爱的）Pandas 相关表，按相关性排序：

c = df.corr().abs()
np.set_printoptions(threshold='nan')
s = c.unstack()
so = s.order(kind="quicksort")
pprint(so)

这太棒了。

问题是，这会输出整个值矩阵的相关性——对于所有列 x 所有列，在交叉矩阵中。

但是，如果我只想检查一列，例如 df['m']，以了解它与所有其他列的相关性怎么办？

我是否需要创建两个数据框并检查它们之间的相关性？有更快的脚本吗？

【问题讨论】：

标签： python pandas dataframe correlation

【解决方案1】：

IIUC，你可以把 corr() DataFrame 像这样切片：

c = df.corr()['m'].abs()
so = c.sort_values(kind='quicksort')
print(so)

【讨论】：

【解决方案2】：

您可以简单地遍历df 的列并根据相关性构建一个系列：

result = (pd.Series([df['m'].corr(df[col]) for col in df], index=df.columns)
          .abs().sort_values())

如果您打算对许多列执行此操作，计算整个相关矩阵并使用.loc 选择感兴趣的行可能会更快：so.loc['m']。

例如，

import numpy as np
import pandas as pd
np.random.seed(2016)

df = pd.DataFrame(np.random.random((4,4)), columns=list('klmn'))
result = (pd.Series([df['m'].corr(df[col]) for col in df], index=df.columns)
          .abs().sort_values())
print(result)
# l    0.041438
# n    0.086255
# k    0.393375
# m    1.000000
# dtype: float64

c = df.corr().abs()
s = c.unstack()
so = s.sort_values()  # s.order is deprecated. use s.sort_values
print(so.loc['m'])
# l    0.041438
# n    0.086255
# k    0.393375
# m    1.000000
# dtype: float64

注意result和so.loc['m']是一样的。

【讨论】：