[數據分析基礎] 3. Pandas庫
文章目錄
pandas是Python第三方庫，提供高性能易用數據類型和分析工具
import pandas as pd
Pandas基於NumPy實現，常與NumPy和Matplotlib一同使用
提供兩個數據類型：Series, DataFrame。基於上述數據類型提供了各類操作：基本操作、運算操作、特徵類操作、關聯類操作
一、Series類型
Series類型由一組數據及與之相關的數據索引組成
In [5]: b=pd.Series([9,8,7,6],index=['a','b','c','d'])
In [6]: b
Out[6]:
a 9
b 8
c 7
d 6
dtype: int64
1. Series類型的創建
Series類型可以由如下類型創建：
-
Python列表，index與列表元素個數一致
-
標量值，index表達Series類型的尺寸
-
Python字典，鍵值對中的“鍵”是索引，index從字典中進行選擇操作
-
ndarray，索引和數據都可以通過ndarray類型創建
-
其他函數，range()函數等
① 從標量值創建
In [7]: s=pd.Series(25,index=['a','b','c'])
In [8]: s
Out[8]:
a 25
b 25
c 25
dtype: int64
此方法創建時，不能省略index
② 從字典類型創建
In [9]: d=pd.Series({'a':9,'b':8,'c':7})
In [10]: d
Out[10]:
a 9
b 8
c 7
dtype: int64
In [11]: e=pd.Series({'a':9,'b':8,'c':7},index=['c','a','b','d'])
In [12]: e
Out[12]:
c 7.0
a 9.0
b 8.0
d NaN
dtype: float64
index從字典中進行選擇操作
③ 從ndarray類型創建
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: n=pd.Series(np.arange(5))
In [4]: n
Out[4]:
0 0
1 1
2 2
3 3
4 4
dtype: int32
In [5]: m=pd.Series(np.arange(5),index=np.arange(9,4,-1))
In [6]: n
Out[6]:
9 0
8 1
7 2
6 3
5 4
dtype: int32
2. Series類型的基本操作
Series類型包括index和values兩部分，Series類型的操作類似ndarray類型和Python字典類型
.index 獲得索引 .values 獲得數據
自動索引和自定義索引並存（注意：兩套索引並存，但不能混用）
In [7]: b=pd.Series([9,8,7,6],['a','b','c','d'])
In [8]: b
Out[8]:
a 9
b 8
c 7
d 6
dtype: int64
In [9]: b.index # .index獲得索引
Out[9]: Index(['a', 'b', 'c', 'd'], dtype='object')
In [10]: b.values # .value 獲得數據
Out[10]: array([9, 8, 7, 6], dtype=int64)
In [11]: b['b'] #自動索引
Out[11]: 8
In [12]: b[1] #自定義索引
Out[12]: 8
In [13]: b[['c','d',0]] #兩套索引並存，但不能混用
Out[13]:
c 7.0
d 6.0
0 NaN
dtype: float64
In [14]: b[['c','d','a']]
Out[14]:
c 7
d 6
a 9
dtype: int64
Series類型的操作類似ndarray類型：
-
索引方法相同，採用[]
-
NumPy中運算和操作可用於Series類型
-
可以通過自定義索引的列表進行切片
-
可以通過自動索引進行切片，如果存在自定義索引，則一同被切片
In [16]: b[3]
Out[16]: 6
In [17]: b[:3]
Out[17]:
a 9
b 8
c 7
dtype: int64
In [18]: b[b>b.median()]
Out[18]:
a 9
b 8
dtype: int64
In [19]: np.exp(b)
Out[19]:
a 8103.083928
b 2980.957987
c 1096.633158
d 403.428793
dtype: float64
Series類型的操作類似Python字典類型：
-
通過自定義索引訪問
-
保留字in操作
-
使用.get()方法
In [21]: b['b']
Out[21]: 8
In [22]: 'c' in b
Out[22]: True
In [23]: 0 in b
Out[23]: False
In [24]: b.get('f',100)
Out[24]: 100
In [25]: a=pd.Series([1,2,3],['c','d','e'])
In [26]: a+b #Series類型在運算中會自動對齊不同索引的數據
Out[26]:
a NaN
b NaN
c 8.0
d 8.0
e NaN
dtype: float64
3. Series類型的name屬性
Series對象和索引都可以有一個名字，存儲在屬性.name中
In [27]: b.name
In [28]: b.name='Series對象'
In [29]: b.index.name='索引列'
In [30]: b
Out[30]:
索引列
a 9
b 8
c 7
d 6
Name: Series對象, dtype: int64
4. Series類型的修改
Series對象可以隨時修改並即刻生效
In [32]: b['a']=15
In [33]: b.name='Series'
In [34]: b
Out[34]:
索引列
a 15
b 8
c 7
d 6
Name: Series, dtype: int64
In [35]: b.name="New Series"
In [36]: b['b','c']=20
In [37]: b
Out[37]:
索引列
a 15
b 20
c 20
d 6
Name: New Series, dtype: int64
Series是一維的帶“標籤”的數組
Series基本操作類似ndarray和字典，根據索引對齊
二、DataFrame類型
DataFrame類型由共用相同索引的一組列組成。縱向索引叫index，axis = 0，橫向縮索引叫column，axis = 1
DataFrame是一個表格型的數據類型，每列值類型可以不同，既有行索引、也有列索引，常用於表達二維數據，但可以表達多維數據
1. DataFrame類型的創建
DataFrame類型可以由如下類型創建：
-
二維ndarray對象
-
由一維ndarray、列表、字典、元組或Series構成的字典
-
Series類型
-
其他的DataFrame類型
① 從二維ndarray對象創建
In [38]: d=pd.DataFrame(np.arange(10).reshape(2,5))
In [39]: d
Out[39]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
最左側爲自動行索引；最頂端爲自動列索引
② 從一維ndarray對象字典創建
In [40]: dt={'one':pd.Series([1,2,3],index=['a','b','c']),
...: 'two':pd.Series([9,8,7,6],index=['a','b','c','d'])}
In [41]: d=pd.DataFrame(dt)
In [42]: d
Out[42]:
one two
a 1.0 9
b 2.0 8
c 3.0 7
d NaN 6
In [43]: pd.DataFrame(dt,index=['b','c','d'],columns=['two','three'])
Out[43]:
two three
b 8 NaN
c 7 NaN
d 6 NaN
③ 從列表類型的字典創建
In [43]: pd.DataFrame(dt,index=['b','c','d'],columns=['two','three'])
Out[43]:
two three
b 8 NaN
c 7 NaN
d 6 NaN
In [44]: dl={'one':[1,2,3,4],'two':[9,8,7,6]}
In [45]: d=pd.DataFrame(dl,index=['a','b','c','d'])
In [46]: d
Out[46]:
one two
a 1 9
b 2 8
c 3 7
d 4 6
實例：
In [47]: dl={'城市':['北京','上海','廣州','深圳','瀋陽'],
...: '環比':[101.5,101.5,101.3,102.0,100.1],
...: '同比':[120.7,127.3,119.4,140.9,101.4],
...: '定基':[121.4,127.8,120.0,145.5,101.6]}
In [48]: d=pd.DataFrame(dl,index=['c1','c2','c3','c4','c5'])
In [49]: d
Out[49]:
城市 環比 同比 定基
c1 北京 101.5 120.7 121.4
c2 上海 101.5 127.3 127.8
c3 廣州 101.3 119.4 120.0
c4 深圳 102.0 140.9 145.5
c5 瀋陽 100.1 101.4 101.6
In [50]: d.index
Out[50]: Index(['c1', 'c2', 'c3', 'c4', 'c5'], dtype='object')
In [51]: d.columns
Out[51]: Index(['城市', '環比', '同比', '定基'], dtype='object')
In [52]: d.values
Out[52]:
array([['北京', 101.5, 120.7, 121.4],
['上海', 101.5, 127.3, 127.8],
['廣州', 101.3, 119.4, 120.0],
['深圳', 102.0, 140.9, 145.5],
['瀋陽', 100.1, 101.4, 101.6]], dtype=object)
In [53]: d['同比']
Out[53]:
c1 120.7
c2 127.3
c3 119.4
c4 140.9
c5 101.4
Name: 同比, dtype: float64
In [54]: d.ix['c2']
Out[54]:
城市 上海
環比 101.5
同比 127.3
定基 127.8
Name: c2, dtype: object
In [55]: d['同比']['c2']
Out[55]: 127.3
三、Pandas庫的數據類型操作
如何改變Series和DataFrame對象的結構？
-
增加或重排：重新索引
-
刪除：drop
1. 重新索引
.reindex()能夠改變或重排Series和DataFrame索引
In [2]: import pandas as pd
In [3]: dl={'城市':['北京','上海','廣州','深圳','瀋陽'],
...: '環比':[101.5,101.2,101.3,102.0,100.1],
...: '同比':[120.7,127.3,119.4,140.9,101.4],
...: '定基':[121.4,127.8,120.0,145.5,101.6]}
In [4]: d=pd.DataFrame(dl,index=['c1','c2','c3','c4','c5'])
In [5]: d
Out[5]:
城市 環比 同比 定基
c1 北京 101.5 120.7 121.4
c2 上海 101.2 127.3 127.8
c3 廣州 101.3 119.4 120.0
c4 深圳 102.0 140.9 145.5
c5 瀋陽 100.1 101.4 101.6
In [6]: d=d.reindex(index=['c5','c4','c3','c2','c1'])
In [7]: d
Out[7]:
城市 環比 同比 定基
c5 瀋陽 100.1 101.4 101.6
c4 深圳 102.0 140.9 145.5
c3 廣州 101.3 119.4 120.0
c2 上海 101.2 127.3 127.8
c1 北京 101.5 120.7 121.4
In [8]: d=d.reindex(columns=['城市','同比','環比','定基'])
In [9]: d
Out[9]:
城市 同比 環比 定基
c5 瀋陽 101.4 100.1 101.6
c4 深圳 140.9 102.0 145.5
c3 廣州 119.4 101.3 120.0
c2 上海 127.3 101.2 127.8
c1 北京 120.7 101.5 121.4
.reindex(index=None, columns=None, …)的參數
| 參數 | 說明 |
|---|---|
index,columns |
新的行列自定義索引 |
fill_value |
重新索引中，用於填充缺失位置的值 |
method |
填充方法,ffill當前值向前填充，bfill向後填充 |
limit |
最大填充量 |
copy |
默認True，生成新的對象，False時，新舊相等不復制 |
In [10]: newc=d.columns.insert(4,'新增')
In [11]: newd=d.reindex(columns=newc,fill_value=200)
In [12]: newd
Out[12]:
城市 同比 環比 定基 新增
c5 瀋陽 101.4 100.1 101.6 200
c4 深圳 140.9 102.0 145.5 200
c3 廣州 119.4 101.3 120.0 200
c2 上海 127.3 101.2 127.8 200
c1 北京 120.7 101.5 121.4 200
索引類型
Series和DataFrame的索引是Index類型 Index對象是不可修改類型
In [13]: d.index
Out[13]: Index(['c5', 'c4', 'c3', 'c2', 'c1'], dtype='object')
In [14]: d.columns
Out[14]: Index(['城市', '同比', '環比', '定基'], dtype='object')
對索引類型的常用方法
| 方法 | 說明 |
|---|---|
.append(idx) |
連接另一個Index對象，產生新的Index對象 |
.diff(idx) |
計算差集，產生新的Index對象 |
.intersection(idx) |
計算交集 |
.union(idx) |
計算並集 |
.delete(loc) |
刪除loc位置處的元素 |
.insert(loc,e) |
在loc位置增加一個元素e |
In [21]: nc=d.columns.delete(2)
In [22]: ni=d.index.insert(5,'c0')
In [40]: ni
Out[40]: Index(['c5', 'c4', 'c3', 'c2', 'c1', 'c0'], dtype='object')
In [42]: nd
Out[42]:
城市 同比 定基
c5 瀋陽 101.4 101.6
c4 深圳 140.9 145.5
c3 廣州 119.4 120.0
c2 上海 127.3 127.8
c1 北京 120.7 121.4
c0 NaN NaN NaN
2. 刪除指定索引對象
.drop()能夠刪除Series和DataFrame指定行或列索引
實例：（可以看出drop()是不改變d的值的）
In [45]: a=pd.Series([9,8,7,6],index=['a','b','c','d'])
In [46]: a
Out[46]:
a 9
b 8
c 7
d 6
dtype: int64
In [47]: a.drop(['b','c'])
Out[47]:
a 9
d 6
dtype: int64
In [48]: d
Out[48]:
城市 同比 環比 定基
c5 瀋陽 101.4 100.1 101.6
c4 深圳 140.9 102.0 145.5
c3 廣州 119.4 101.3 120.0
c2 上海 127.3 101.2 127.8
c1 北京 120.7 101.5 121.4
In [49]: d.drop('c5')
Out[49]:
城市 同比 環比 定基
c4 深圳 140.9 102.0 145.5
c3 廣州 119.4 101.3 120.0
c2 上海 127.3 101.2 127.8
c1 北京 120.7 101.5 121.4
In [50]: d.drop('同比',axis=1)
Out[50]:
城市 環比 定基
c5 瀋陽 100.1 101.6
c4 深圳 102.0 145.5
c3 廣州 101.3 120.0
c2 上海 101.2 127.8
c1 北京 101.5 121.4
四、Pandas庫的數據類型運算
算術運算法則
算術運算根據行列索引，補齊後運算，運算默認產生浮點數
補齊時缺項填充NaN (空值 ) 二維和一維、一維和零維間爲廣播運算
採用 + ‐ * / 符號進行的二元運算產生新的對象
In [51]: import numpy as np
In [52]: a=pd.DataFrame(np.arange(12).reshape(3,4))
In [53]: a
Out[53]:
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
In [54]: b=pd.DataFrame(np.arange(20).reshape(4,5))
In [55]: b
Out[55]:
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
In [56]: a+b
Out[56]:
0 1 2 3 4
0 0.0 2.0 4.0 6.0 NaN
1 9.0 11.0 13.0 15.0 NaN
2 18.0 20.0 22.0 24.0 NaN
3 NaN NaN NaN NaN NaN
In [57]: a*b
Out[57]:
0 1 2 3 4
0 0.0 1.0 4.0 9.0 NaN
1 20.0 30.0 42.0 56.0 NaN
2 80.0 99.0 120.0 143.0 NaN
3 NaN NaN NaN NaN NaN
數據類型的算術運算
方法形式的運算
| 方法 | 說明 |
|---|---|
.add(d,**argws) |
類型間加法運算，可選參數 |
.sub(d,**argws) |
類型間減法運算，可選參數 |
.mul(d,**argws) 類型間乘法運算，可選參數 |
|
.div(d,**argws) |
類型間除法運算，可選參數 |
In [58]: b.add(a,fill_value=100)
Out[58]:
0 1 2 3 4
0 0.0 2.0 4.0 6.0 104.0
1 9.0 11.0 13.0 15.0 109.0
2 18.0 20.0 22.0 24.0 114.0
3 115.0 116.0 117.0 118.0 119.0
In [59]: a.mul(b,fill_value=0)
Out[59]:
0 1 2 3 4
0 0.0 1.0 4.0 9.0 0.0
1 20.0 30.0 42.0 56.0 0.0
2 80.0 99.0 120.0 143.0 0.0
3 0.0 0.0 0.0 0.0 0.0
In [61]: c=pd.Series(np.arange(4))
In [62]: c
Out[62]:
0 0
1 1
2 2
3 3
dtype: int32
In [63]: c-10
Out[63]:
0 -10
1 -9
2 -8
3 -7
dtype: int32
In [64]: b-c
Out[64]:
0 1 2 3 4
0 0.0 0.0 0.0 0.0 NaN
1 5.0 5.0 5.0 5.0 NaN
2 10.0 10.0 10.0 10.0 NaN
3 15.0 15.0 15.0 15.0 NaN
In [65]: b.sub(c,axis=0)
Out[65]:
0 1 2 3 4
0 0 1 2 3 4
1 4 5 6 7 8
2 8 9 10 11 12
3 12 13 14 15 16
注意：
-
fill_value參數替代NaN，替代後參與運算 -
不同維度間爲廣播運算，一維Series默認在軸 1參與運算
-
使用運算方法可以令一維Series參與軸 0運算
比較運算法則
比較運算只能比較相同索引的元素，不進行補齊
二維和一維、一維和零維間爲廣播運算
採用 > < >= <= == != 等符號進行的二元運算產生布爾對象
In [66]: d=pd.DataFrame(np.arange(12,0,-1).reshape(3,4))
In [68]: a<d
Out[68]:
0 1 2 3
0 True True True True
1 True True False False
2 False False False False
In [69]: a>d
Out[69]:
0 1 2 3
0 False False False False
1 False False False True
2 True True True True
In [70]: a==d
Out[70]:
0 1 2 3
0 False False False False
1 False False True False
2 False False False False
In [71]: a>c
Out[71]:
0 1 2 3
0 False False False False
1 True True True True
2 True True True True
In [72]: c>0
Out[72]:
0 False
1 True
2 True
3 True
dtype: bool
注意：
-
同維度運算，尺寸一致
-
不同維度，廣播運算，默認在 1 軸
五、Pandas數據特徵分析
1. Pandas庫的數據排序
.sort_index()方法在指定軸上根據索引進行排序，默認升序
.sort_index(axis=0, ascending=True)
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: b=pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
In [4]: b
Out[4]:
0 1 2 3 4
c 0 1 2 3 4
a 5 6 7 8 9
d 10 11 12 13 14
b 15 16 17 18 19
In [5]: b.sort_index()
Out[5]:
0 1 2 3 4
a 5 6 7 8 9
b 15 16 17 18 19
c 0 1 2 3 4
d 10 11 12 13 14
In [6]: b.sort_index(ascending=False)
Out[6]:
0 1 2 3 4
d 10 11 12 13 14
c 0 1 2 3 4
b 15 16 17 18 19
a 5 6 7 8 9
In [7]: c=b.sort_index(axis=1,ascending=False)
In [8]: c
Out[8]:
4 3 2 1 0
c 4 3 2 1 0
a 9 8 7 6 5
d 14 13 12 11 10
b 19 18 17 16 15
In [9]: c=c.sort_index()
In [10]: c
Out[10]:
4 3 2 1 0
a 9 8 7 6 5
b 19 18 17 16 15
c 4 3 2 1 0
d 14 13 12 11 10
.sort_values()方法在指定軸上根據數值進行排序，默認升序
Series.sort_values(axis=0, ascending=True)
DataFrame.sort_values(by, axis=0, ascending=True)
by : axis軸上的某個索引或索引列表
實例：（NaN統一放到排序末尾）
In [15]: a=pd.DataFrame(np.arange(12).reshape(3,4),index=['a','b','c']
...: )
In [16]: a
Out[16]:
0 1 2 3
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
In [17]: c=a+b
In [18]: c
Out[18]:
0 1 2 3 4
a 5.0 7.0 9.0 11.0 NaN
b 19.0 21.0 23.0 25.0 NaN
c 8.0 10.0 12.0 14.0 NaN
d NaN NaN NaN NaN NaN
In [19]: c.sort_values(2,ascending=False)
Out[19]:
0 1 2 3 4
b 19.0 21.0 23.0 25.0 NaN
c 8.0 10.0 12.0 14.0 NaN
a 5.0 7.0 9.0 11.0 NaN
d NaN NaN NaN NaN NaN
In [20]: c.sort_values(2,ascending=True)
Out[20]:
0 1 2 3 4
a 5.0 7.0 9.0 11.0 NaN
c 8.0 10.0 12.0 14.0 NaN
b 19.0 21.0 23.0 25.0 NaN
d NaN NaN NaN NaN NaN
2. 數據的基本統計分析函數
適用於Series和DataFrame類型
| 方法 | 說明 |
|---|---|
.sum() |
計算數據的總和，按0軸計算，下同 |
.count() |
非NaN值的數量 |
.mean() .median() |
計算數據的算術平均值、算術中位數 |
.var()`` .std() |
計算數據的方差、標準差 |
.min()`` .max() |
計算數據的最小值、最大值 |
適用於Series類型
| 方法 | 說明 |
|---|---|
.argmin()`` .argmax() |
計算數據最大值、最小值所在位置的索引位置（自動索引） |
.idxmin()`` .idxmax() |
計算數據最大值、最小值所在位置的索引（自定義索引） |
| 方法 | 說明 |
|---|---|
.describe() |
針對0軸（各列）的統計彙總 |
In [21]: a=pd.Series([9,8,7,6],index=['a','b','c','d'])
In [22]: a
Out[22]:
a 9
b 8
c 7
d 6
dtype: int64
In [23]: a.describe()
Out[23]:
count 4.000000
mean 7.500000
std 1.290994
min 6.000000
25% 6.750000
50% 7.500000
75% 8.250000
max 9.000000
dtype: float64
In [24]: type(a.describe())
Out[24]: pandas.core.series.Series
In [25]: a.describe()['count']
Out[25]: 4.0
In [26]: a.describe()['max']
Out[26]: 9.0
In [27]: b=pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
In [28]: b.describe()
Out[28]:
0 1 2 3 4
count 4.000000 4.000000 4.000000 4.000000 4.000000
mean 7.500000 8.500000 9.500000 10.500000 11.500000
std 6.454972 6.454972 6.454972 6.454972 6.454972
min 0.000000 1.000000 2.000000 3.000000 4.000000
25% 3.750000 4.750000 5.750000 6.750000 7.750000
50% 7.500000 8.500000 9.500000 10.500000 11.500000
75% 11.250000 12.250000 13.250000 14.250000 15.250000
max 15.000000 16.000000 17.000000 18.000000 19.000000
In [29]: type(b.describe())
Out[29]: pandas.core.frame.DataFrame
In [30]: b.describe().ix['max']
Out[30]:
0 15.0
1 16.0
2 17.0
3 18.0
4 19.0
Name: max, dtype: float64
In [32]: b.describe()[2]
Out[32]:
count 4.000000
mean 9.500000
std 6.454972
min 2.000000
25% 5.750000
50% 9.500000
75% 13.250000
max 17.000000
Name: 2, dtype: float64
3. 數據的累計統計分析
累計統計分析函數（1）
| 方法 | 說明 |
|---|---|
.cumsum() |
依次給出前1、2、…、n個數的和 |
.cumprod() |
依次給出前1、2、…、n個數的積 |
.cummax() |
依次給出前1、2、…、n個數的最大值 |
.cummin() |
依次給出前1、2、…、n個數的最小值 |
In [33]: b=pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
In [34]: b
Out[34]:
0 1 2 3 4
c 0 1 2 3 4
a 5 6 7 8 9
d 10 11 12 13 14
b 15 16 17 18 19
In [35]: b.cumsum()
Out[35]:
0 1 2 3 4
c 0 1 2 3 4
a 5 7 9 11 13
d 15 18 21 24 27
b 30 34 38 42 46
In [36]: b.cumprod()
Out[36]:
0 1 2 3 4
c 0 1 2 3 4
a 0 6 14 24 36
d 0 66 168 312 504
b 0 1056 2856 5616 9576
In [37]: b.cummin()
Out[37]:
0 1 2 3 4
c 0 1 2 3 4
a 0 1 2 3 4
d 0 1 2 3 4
b 0 1 2 3 4
In [38]: b.cummax()
Out[38]:
0 1 2 3 4
c 0 1 2 3 4
a 5 6 7 8 9
d 10 11 12 13 14
b 15 16 17 18 19
4. 數據的相關分析
相關分析定義：兩個事物，表示爲X和Y，如何判斷它們之間的存在相關性？
相關性
-
X增大，Y增大，兩個變量正相關
-
X增大，Y減小，兩個變量負相關
-
X增大，Y無視，兩個變量不相關
相關性的度量
① 協方差：兩個事物，表示爲X和Y，如何判斷它們之間的存在相關性？
-
協方差>0, X和Y正相關
-
協方差<0, X和Y負相關
-
協方差=0, X和Y獨立無關
② Pearson相關係數：兩個事物，表示爲X和Y，如何判斷它們之間的存在相關性？（r取值範圍[‐1,1]）
-
0.8‐1.0 極強相關
-
0.6‐0.8 強相關
-
0.4‐0.6 中等程度相關
-
0.2‐0.4 弱相關
-
0.0‐0.2 極弱相關或無相關
相關分析函數
適用於Series和DataFrame類型
| 方法 | 說明 |
|---|---|
.cov() |
計算協方差矩陣 |
.corr() |
計算相關係數矩陣, Pearson、Spearman、Kendall等係數 |
實例：房價增幅與M2增幅的相關性
In [42]: hprice=pd.Series([3.04,22.93,12.75,22.6,12.33],index=['2008','2009','2010','2011','2012'])
In [43]: m2=pd.Series([8.18,18.38,9.13,7.82,6.69],index=['2008','2009','2010','2011','2012'])
In [44]: hprice.corr(m2)
Out[44]: 0.5239439145220387