Pandas 相关性分组

Question

假设我有一个类似于下面的数据框，我如何获得 2 个特定列之间的相关性，然后按 'ID' 列分组？我相信 Pandas 'corr' 方法可以找到所有列之间的相关性。如果可能的话，我还想知道如何使用 .agg 函数（即 np.correlate）找到 'groupby' 相关性。

我有：

ID  Val1    Val2    OtherData   OtherData
A   5       4       x           x
A   4       5       x           x
A   6       6       x           x
B   4       1       x           x
B   8       2       x           x
B   7       9       x           x
C   4       8       x           x
C   5       5       x           x
C   2       1       x           x

我需要的：

ID  Correlation_Val1_Val2
A   0.12
B   0.22
C   0.05

Answer 1

你已经把所有的部分都弄明白了，只需要将它们组合起来：

>>> df.groupby('ID')[['Val1','Val2']].corr()

             Val1      Val2
ID                         
A  Val1  1.000000  0.500000
   Val2  0.500000  1.000000
B  Val1  1.000000  0.385727
   Val2  0.385727  1.000000

在您的情况下，为每个 ID 打印 2x2 过于冗长。我没有看到打印标量相关性而不是整个矩阵的选项，但如果你只有两个变量，你可以做一些简单的事情：

>>> df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2,-1]

ID       
A   Val1    0.500000
B   Val1    0.385727

对于 3 个以上变量的更一般情况

对于 3 个或更多变量，创建简洁的输出并不简单，但您可以这样做：

groups = list('Val1', 'Val2', 'Val3', 'Val4')
df2 = pd.DataFrame()
for i in range( len(groups)-1): 
    df2 = df2.append( df.groupby('ID')[groups].corr().stack()
                        .loc[:,groups[i],groups[i+1]:].reset_index() )

df2.columns = ['ID', 'v1', 'v2', 'corr']
df2.set_index(['ID','v1','v2']).sort_index()

请注意，如果我们没有 groupby 元素，则可以直接使用 numpy 中的上三角函数或下三角函数。但由于存在该元素，据我所知，以更优雅的方式生成简洁的输出并不那么容易。

Answer 2

在上面的回答中；由于 ix 已被贬值，因此使用 iloc 代替并进行一些其他小的更改：

df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2][['Val2']] # to get pandas DataFrame

或

df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2]['Val2'] # to get pandas Series

Answer 3

一个更简单的解决方案：

df.groupby('ID')[['Val1','Val2']].corr().unstack().iloc[:,1]

Pandas 相关性分组

Pandas Correlation Groupby

python

group-by

correlation

pandas

对于 3 个以上变量的更一般情况