X和Y为不同函数关系时pd.corr(）的输出结果

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import math

当X和Y为log()关系时：

@python
x=Series(np.arange(1,20))
y=x.apply(lambda x:math.log2(x))
conc=pd.concat([x,y],axis=1,keys=['x','y'])
conc.plot.scatter(x='x',y='y')

output:

      x         y
x  1.000000  0.932732
y  0.932732  1.000000

当X和Y为exp()关系时：

      x         y
x  1.000000  0.551002
y  0.551002  1.000000

当X和Y为多项式关系时：

一次线性多项式：

@python
x=np.arange(1,20)
y=np.arange(1,20)
z=np.add(x,y)
x=Series(x)
y=Series(y)
z=Series(z)
conc=pd.concat([x,z],axis=1,keys=['x','z'])

output:

        x    z
    x  1.0  1.0
    z  1.0  1.0

一次项与指数项线性组合：

@python
x=np.arange(1,20)
y=np.exp(x)
z=np.add(x,y)
x=Series(x)
y=Series(y)
z=Series(z)
conc=pd.concat([x,z],axis=1,keys=['x','z'])

output：

      x         z
x  1.000000  0.551002
z  0.551002  1.000000

一次项与对数项线性组合：

@python
x=np.arange(1,20)
y=np.log2(x)
z=np.add(x,y)
x=Series(x)
y=Series(y)
z=Series(z)
conc=pd.concat([x,z],axis=1,keys=['x','z'])
print(conc.corr())

output:

      x         z
x  1.000000  0.998049
z  0.998049  1.000000

指数项与对数项线性组合：

@python
x=np.exp(np.arange(1,20))
y=np.log2(x)
z=np.add(x,y)
x=Series(x)
y=Series(y)
z=Series(z)
conc=pd.concat([x,z],axis=1,keys=['x','z'])
print(conc.corr())

output：

    x    z
x  1.0  1.0
z  1.0  1.0