如何为 Pandas 中的每个行子集运行相关性？

Question

假设我有一个虚构的 pandas 数据框 df。

假设它有三列：gender、height 和 weight

是否有内置或有效的方法来获取每个 gender 的 height 和 weight 的相关性？

到目前为止我做了什么：

1. 手动过滤每个性别的数据框，然后运行
   相关性。
2. 这对我的样本集有效，但在生产集中会崩溃，因为我有更多的类别而不仅仅是gender。我有数百个。

我的次优代码示例：

df_m=df[(df['gender']=='male')]
df_m['height'].corr(df_m['weight'])
df_f=df[(df['gender']=='female')]
df_f['height'].corr(df_f['weight'])

理想输出：

'gender' 'correlation'
'male' .9007876876 
'female' .8777687666

Answer 1

df.groupby('gender').apply(lambda x: x.height.corr(x.weight)).rename('correlation').to_frame()

最后一部分（rename 和 to_frame）只是为了得到你想要的输出。

示例：

>>> df
   gender  height  weight
0    male       1       4
1    male       2       4
2    male       3       5
3  female       1       4
4  female       2       3
5  female       3       5

>>> df.groupby('gender').apply(lambda x: x.height.corr(x.weight)).rename('correlation').to_frame()
        correlation
gender             
female     0.500000
male       0.866025