pandas
Computationele hulpmiddelen

Zoek de correlatie tussen kolommen

Stel dat u een DataFrame met numerieke waarden hebt, bijvoorbeeld:

df = pd.DataFrame(np.random.randn(1000, 3), columns=['a', 'b', 'c'])

Vervolgens

>>> df.corr()
    a    b    c
a    1.000000    0.018602    0.038098
b    0.018602    1.000000    -0.014245
c    0.038098    -0.014245    1.000000

vindt de Pearson-correlatie tussen de kolommen. Merk op hoe de diagonaal 1 is, want elke kolom is (uiteraard) volledig gecorreleerd met zichzelf.

pd.DataFrame.correlation een optionele method parameter specificeert welk algoritme gebruikt. De standaardwaarde is pearson . Om bijvoorbeeld Spearman-correlatie te gebruiken, gebruikt u

>>> df.corr(method='spearman')
    a    b    c
a    1.000000    0.007744    0.037209
b    0.007744    1.000000    -0.011823
c    0.037209    -0.011823    1.000000