pandas.core.window.expanding.Expanding.corr

Expanding.corr(other=None, pairwise=None, ddof=1, numeric_only=False)[source]

Вычисление корреляции с расширением.

Параметры:

other:Series или DataFrame, необязательно

Если не указано, по умолчанию будет использоваться self, и будет получен парный результат.

pairwise:bool, по умолчанию None

Если False, то будут использованы только соответствующие столбцы между self и other, и результат будет DataFrame. Если True, то будут рассчитаны все парные комбинации, и результат будет DataFrame с индексом MultiIndex в случае входных данных DataFrame. В случае отсутствующих элементов будут использованы только полные парные наблюдения.

numeric_only:bool, по умолчанию False

Включать только столбцы с плавающей точкой, целыми числами, булевыми значениями.

Новая в версии 1.5.0.

Возвращаемые значения:

Series или DataFrame

Тип возвращаемого значения совпадает с исходным объектом с типом данных np.float64.

См. также

cov

Аналогичный метод для вычисления ковариации.

numpy.corrcoef

Вычисление корреляции Пирсона NumPy.

pandas.Series.expanding

Вызов расширения с данными Series.

pandas.DataFrame.expanding

Вызов расширения с данными DataFrame.

pandas.Series.corr

Агрегирование corr для Series.

pandas.DataFrame.corr

Агрегирование corr для DataFrame.

Примечания

Эта функция использует определение корреляции Пирсона (https://en.wikipedia.org/wiki/Pearson_correlation_coefficient).

Когда other не указан, результат будет корреляцией self (например, все 1), за исключением входных данных DataFrame с pairwise, установленным в True.

Функция вернет NaN для корреляций последовательностей с одинаковыми значениями; это результат ошибки деления 0/0.

Когда pairwise установлено в False, будут использоваться только соответствующие столбцы между self и other.

Когда pairwise установлено в True, результат будет DataFrame с индексом MultiIndex, с исходным индексом на первом уровне и столбцами DataFrame other на втором уровне.

В случае отсутствующих элементов будут использованы только полные парные наблюдения.

Примеры

>>> ser1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
>>> ser2 = pd.Series([10, 11, 13, 16], index=['a', 'b', 'c', 'd'])
>>> ser1.expanding().corr(ser2)
a         NaN
b    1.000000
c    0.981981
d    0.975900
dtype: float64