Pandascorr（）对corrwith（）

Question

大熊猫提供两种不同相关函数的原因是什么？

DataFrame.corrwith(other, axis=0, drop=False): Correlation between rows or columns of two DataFrame objectsCompute pairwise

与

DataFrame.corr(method='pearson', min_periods=1): Compute pairwise correlation of columns, excluding NA/null values

（摘自pandas 0.20.3文档）

Answer 1

基本答案：

下面是一个可能会更清楚的例子：

np.random.seed(123)
df1=pd.DataFrame( np.random.randn(3,2), columns=list('ab') )
df2=pd.DataFrame( np.random.randn(3,2), columns=list('ac') )

如@ffeast所述，使用corr比较同一数据帧中的数字列。将自动跳过非数值列。

df1.corr()

          a         b
a  1.000000 -0.840475
b -0.840475  1.000000

可以将df1&df2的列与corrwith进行比较。请注意，只有名称相同的列才会进行比较：

df1.corrwith(df2)

a    0.993085
b         NaN
c         NaN

其他选项：

如果希望pandas忽略列名并将df1的第一行与df2的第一行进行比较，则可以将df2的列重命名为与df1的列匹配，如下所示：

df1.corrwith(df2.set_axis( df1.columns, axis='columns', inplace=False))

a    0.993085
b    0.969220

注意，在这种情况下，df1和df2需要具有相同数量的列。

最后，一种厨房水槽方法：您还可以简单地水平连接两个数据集，然后使用corr()。其优点是，不管列的数量和命名方式如何，这基本上都是可行的，但缺点是，您可能获得的输出比您想要或需要的多：

pd.concat([df1,df2],axis=1).corr()

          a         b         a         c
a  1.000000 -0.840475  0.993085 -0.681203
b -0.840475  1.000000 -0.771050  0.969220
a  0.993085 -0.771050  1.000000 -0.590545
c -0.681203  0.969220 -0.590545  1.000000

Answer 2

第一个计算与另一个数据帧的相关性：

between rows or columns of two DataFrame objects

第二个用它自己计算

Compute pairwise correlation of columns