pandas.core.groupby.DataFrameGroupBy.corr

propertyDataFrameGroupBy.corr[source]

Вычисление парной корреляции столбцов, исключая значения NA/null.

Параметры

method:{‘pearson’, ‘kendall’, ‘spearman’} или вызываемый объект

Метод корреляции:

• pearson : стандартный коэффициент корреляции

• kendall : коэффициент корреляции Кендалла

• spearman : ранговая корреляция Спирмена

• вызываемый объект: вызываемый объект с входными двумя одномерными массивами NumPy

  и возвращающим число с плавающей точкой. Обратите внимание, что возвращаемая матрица из corr будет иметь 1 по диагоналям и будет симметричной независимо от поведения вызываемого объекта.

min_periods:int, необязательно

Минимальное количество наблюдений, требуемых для каждой пары столбцов для получения корректного результата. В настоящее время доступно только для корреляции Пирсона и Спирмена.

numeric_only:bool, по умолчанию True

Включать только данные типа float, int или boolean.

Добавлен в версии 1.5.0.

Устарело начиная с версии 1.5.0: Значение по умолчанию numeric_only будет False в будущей версии pandas.

Возвращает

DataFrame

Матрица корреляции.

См. также

DataFrame.corrwith

Вычисление парной корреляции с другим DataFrame или Series.

Series.corr

Вычисление корреляции между двумя Series.

Примечания

Корреляция Пирсона, Кендалла и Спирмена в настоящее время вычисляется с использованием парных полных наблюдений.

• Коэффициент корреляции Пирсона

• Коэффициент ранговой корреляции Кендалла

• Ранговый коэффициент корреляции Спирмена

Примеры

>>> def histogram_intersection(a, b):
...     v = np.minimum(a, b).sum().round(decimals=1)
...     return v
>>> df = pd.DataFrame([(.2, .3), (.0, .6), (.6, .0), (.2, .1)],
...                   columns=['dogs', 'cats'])
>>> df.corr(method=histogram_intersection)
      dogs  cats
dogs   1.0   0.3
cats   0.3   1.0

>>> df = pd.DataFrame([(1, 1), (2, np.nan), (np.nan, 3), (4, 4)],
...                   columns=['dogs', 'cats'])
>>> df.corr(min_periods=3)
      dogs  cats
dogs   1.0   NaN
cats   NaN   1.0