series.corr() 方法在 pandas 中如何工作?

pandasserver side programmingprogramming更新于 2025/5/18 0:52:17

pandas.Series.corr() 方法用于计算两个系列对象之间的相关性，并排除缺失值。结果，它返回一个从 -1 到 1 变化的浮点值。如果输出是整数 1，则表示两个系列之间的关系是强正关系，如果是"-1"，则表示关系是强负关系。

series.corr() 方法有三个参数，第一个是另一个系列对象，第二个是相关方法的名称，第三个是 min_period，它是一个可选参数。

示例 1

import pandas as pd

# create pandas Series1
series1 = pd.Series([9,2,4,6,1])

print("First series object:",series1)

# create pandas Series2
series2 = pd.Series([12,4,2,7,4])

print("第二个系列对象:",series2)

# 计算相关性
print("相关性值:", series1.corr(series2, method='pearson'))

解释

首先，我们使用 python 整数列表创建了两个 pandas Series 对象。之后，我们使用“Pearson” 方法找出两个系列对象值之间的相关性。

输出

First series object: 0 9
1 2
2 4
3 6
4 1
dtype: int64
Second series object: 0 12
1 4
2 2
3 7
4 4
dtype: int64
The Correlation value: 0.8471600336634684

以下示例中两个系列对象之间的相关性为"0.85"，表明这两个系列对象具有很强的正相关关系。

示例 2

import pandas as pd
import numpy as np
# 创建 pandas Series1
series1 = pd.Series([12,np.nan,47,19,10])

print("第一个系列对象:",series1)

# 创建 pandas Series2
series2 = pd.Series([9,4,2,np.nan,4])

print("第二个系列对象:",series2)

# 计算相关性
print("相关性值:", series1.corr(series2, method='pearson'))

解释

首先，我们使用一个 python 整数列表创建了两个 pandas Series 对象，并且它还具有由 numpy.nan 属性创建的一些空值。之后，我们再次使用“Pearson”方法找出两个系列对象值之间的相关性。

输出

First series object:
0 12.0
1  NaN
2 47.0
3 19.0
4 10.0
dtype: float64

Second series object:
0 9.0
1 4.0
2 2.0
3 NaN
4 4.0
dtype: float64

The Correlation value: -0.6864226486537492

下例中两个系列对象之间的相关系数为"-0.69"，表明两个系列对象具有强负相关关系。