编程宝库 - 技术改变世界

编程宝库

Python编程技术

解读pandas.DataFrame.corrwith

pandas.DataFrame.corrwith用于计算DataFrame中行与行或者列与列之间的相关性。

Parameters：

other：DataFrame, Series. Object with which to compute correlations.

axis： {0 or ‘index’, 1 or ‘columns’}, default 0. 0 or ‘index’ to compute column-wise, 1 or ‘columns’ for row-wise.

method：{‘pearson’, ‘kendall’, ‘spearman’} or callable.

axis=0或者axis=‘index’ 表示计算列与列的相关性，axis=1或者axis=‘columns’ 表示计算行与行的相关性。

method是计算相关性的方法，这里采用pearson correlation coefficient（皮尔逊相关系数）。

下面以一个观众对电影评分的例子说明

user_movie_ratings

每一行表示一个观众对所有电影的评分，每一列表示所有观众对一部电影的评分。

然后分别计算第一位观众和其他观众的相关性和第一部电影和其它电影的相关性。

代码如下

import pandas as pd
import numpy as np


data = np.array([[5, 5, 3, 3, 4], [3, 4, 5, 5, 4],
               [3, 4, 3, 4, 5], [5, 5, 3, 4, 4]])
df = pd.DataFrame(data, columns=['The Shawshank Redemption',
                               'Forrest Gump', 'Avengers: Endgame',
                               'Iron Man', 'Titanic '],
                index=['user1', 'user2', 'user3', 'user4'])
# Compute correlation between user1 and other users
user_to_compare = df.iloc[0]
similarity_with_other_users = df.corrwith(user_to_compare, axis=1,
                                        method='pearson')
similarity_with_other_users = similarity_with_other_users.sort_values(
  ascending=False)
# Compute correlation between 'The Shawshank Redemption' and other movies
movie_to_compare = df['The Shawshank Redemption']
similarity_with_other_movies = df.corrwith(movie_to_compare, axis=0)
similarity_with_other_movies = similarity_with_other_movies.sort_values(
  ascending=False)

这里采用了pearson correlation coefficient：