pandas 相关系数

这篇博客介绍了相关系数的三种计算方法:Pearson相关系数适用于线性数据,Kendall适用于无序序列且对非正态分布容忍,而Spearman适用于非线性分析。每种方法的适用场景和特点进行了详细阐述,并提到了`min_periods`参数的意义。通过实例展示了如何使用Pandas库计算相关系数。
摘要由CSDN通过智能技术生成

相关系数

from pandas import DataFrame

output = data.corr(method='pearson', min_periods=1)
print(output)

method:可选值为{‘pearson’, ‘kendall’, ‘spearman’}

pearson:Pearson相关系数来衡量两个数据集合是否在一条线上面,即针对线性数据的相关系数计算,针对非线性数据便会有误差。

kendall:用于反映分类变量相关性的指标,即针对无序序列的相关系数,非正太分布的数据。

spearman:非线性的,非正太分析的数据的相关系数。

min_periods:样本最少的数据量。

返回值:各类型之间的相关系数DataFrame表格。

参考:
https://blog.csdn.net/u012325865/article/details/88421813

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值