Pandas DataFrame.corr() 함수
Minahil Noor
2023년1월30일
-
pandas.DataFrame.corr()의 구문 : -
예제 코드: Pearson 메서드를 사용하여 상관 행렬을 찾는
DataFrame.corr()메서드 -
예제 코드:
kendall메서드를 사용하여 상관 행렬을 찾는DataFrame.corr()메서드 -
예제 코드: 더 많은 열 값 쌍이있는
spearman메서드를 사용하여 상관 행렬을 찾는DataFrame.corr()메서드
Python Pandas DataFrame.corr() 함수는 데이터 프레임의 열 사이의 상관 관계를 찾습니다.
pandas.DataFrame.corr()의 구문 :
DataFrame.corr(method="pearson", min_periods=1)
매개 변수
method |
상관의 방법입니다. pearson, kendall및 spearman이 될 수 있습니다. pearson이 기본값입니다. |
min_periods |
이 매개 변수는 유효한 결과를 얻기 위해 열 쌍당 필요한 최소 관측치 수를 지정합니다. 현재 pearson과 spearman상관 관계에서만 사용할 수 있습니다. |
반환
열간에 계산 된 상관 관계가있는 Dataframe을 반환합니다.
예제 코드: Pearson 메서드를 사용하여 상관 행렬을 찾는DataFrame.corr()메서드
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr()
print("The Correlation Matrix is: \n")
print(dataframe1)
출력:
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.00000 -0.61515
Obtained Marks -0.61515 1.00000
함수가 상관 행렬을 반환했습니다. 숫자가 아닌 열을 무시했습니다. Pearson방법과 한 쌍의 열 값 (min_position = 1)을 사용하여 상관 관계를 계산했습니다.
예제 코드:kendall 메서드를 사용하여 상관 행렬을 찾는DataFrame.corr()메서드
Kendall 메서드를 사용하여 상관 관계를 찾기 위해method = "kendall"을 사용하는corr()함수를 호출합니다.
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr(method= "kendall")
print("The Correlation Matrix is: \n")
print(dataframe1)
출력:
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.0 -0.4
Obtained Marks -0.4 1.0
함수가 상관 행렬을 반환했습니다. Kendall 방법과 한 쌍의 열 값 (min_position = 1)을 사용하여 상관 관계를 계산했습니다.
예제 코드: 더 많은 열 값 쌍이있는spearman 메서드를 사용하여 상관 행렬을 찾는DataFrame.corr()메서드
이제spearman 메소드를 사용하여min_periods 값을2로 설정합니다. min_periods매개 변수는 pearson및 spearman메소드에만 사용할 수 있습니다.
import pandas as pd
dataframe=pd.DataFrame({'Attendance': {0: 60, 1: 100, 2: 80,3: 78,4: 95},
'Name': {0: 'Olivia', 1: 'John', 2: 'Laura',3: 'Ben',4: 'Kevin'},
'Obtained Marks': {0: 90, 1: 75, 2: 82, 3: 64, 4: 45}})
print("The Original Data frame is: \n")
print(dataframe)
dataframe1 = dataframe.corr(method= "spearman", min_periods = 2)
print("The Correlation Matrix is: \n")
print(dataframe1)
출력:
The Original Data frame is:
Attendance Name Obtained Marks
0 60 Olivia 90
1 100 John 75
2 80 Laura 82
3 78 Ben 64
4 95 Kevin 45
The Correlation Matrix is:
Attendance Obtained Marks
Attendance 1.0 -0.5
Obtained Marks -0.5 1.0
이제 함수는 두 쌍의 열 값을 사용하여 상관 관계를 계산했습니다.