本文详细介绍了pandas DataFrame的corr()方法，用于计算DataFrame中列之间的Pearson、Kendall和Spearman相关系数。Pearson适用于连续变量的线性关系，Spearman适用于非线性和非正态分布数据，而Kendall则适合有序分类变量。正确选择相关系数类型对于数据分析至关重要。
pandas中DataFrame对象corr()方法的用法，该方法用来计算DataFrame对象中所有列之间的相关系数（包括pearson相关系数、Kendall Tau相关系数和spearman秩相关）。
pandas相关系数-DataFrame.corr()参数详解
DataFrame.corr(method='pearson', min_periods=1)
参数说明：
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。
#导入依赖库
import numpy as np
import pandas as pddata = pd.DataF
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
