将函数应用于 python 中的两个 Pandas 数据帧(scipy.stats.spearmanr 用于来自两个数据帧的每一行) [英] apply function to two pandas dataframes in python (scipy.stats.spearmanr for each row from two dataframes)

问题描述

我有两个熊猫数据框:价格和销售数据框.

I have two panda dataframe: price and sales dataframe.

价格数据框记录每年(指数)每个产品(列)的价格

price dataframe records price for each product (columns) in each year (index)

    |a  |b  |c  |d  |e  |
2018|3.2|4.5|5.6|7.8|8.1|
2017|6.2|1.5|2.6|7.8|2.1|
2016|2.2|9.5|0.6|6.8|4.1|
2015|2.2|6.5|7.6|7.8|2.1|

销售数据框(见下文)记录每年(索引)每个产品(列)的销售额

sales dataframe (see below) records sales for each product (columns) in each year (index)

    |a  |b  |c  |d  |e  |
2018|101|405|526|108|801|
2017|601|105|726|308|201|
2016|202|965|856|408|411|
2015|322|615|167|458|211|

我想计算每年价格和销售额之间的 spearman 相关性.我知道 scipy.stats.spearmanr 函数可以完成类似的工作，但我需要为两个数据帧中的每一行应用 scipy.stats.spearmanr 函数.

I would like to calculate spearman correlation between price and sales for each year. I know scipy.stats.spearmanr function does the similar job, but I need to apply scipy.stats.spearmanr fucction for each row in the two dataframes.

例如，对于 2018 年，我需要计算两者之间的 spearman 相关性

For example, for 2018, i need to calculate the spearman correlation between

    |a  |b  |c  |d  |e  |
2018|3.2|4.5|5.6|7.8|8.1|

和

    |a  |b  |c  |d  |e  |
2018|101|405|526|108|801|

我可以知道这样做的最佳方法是什么吗?结果我想要如下输出:

May I know what is the best to do that? The results i want a output like below:

2018|spearman cor btw price and sales in 2018
2017|spearman cor btw price and sales in 2017
2016|spearman cor btw price and sales in 2016

推荐答案

猜你能做到

import scipy.stats as st

>>> pd.Series(map(lambda k: st.spearmanr(k[0], k[1])[0],
                  zip(df.values, df2.values)),    
              index=df.index)
2018    0.7
2017    0.6
2016    0.3
2015    0.2
dtype: float64

这篇关于将函数应用于 python 中的两个 Pandas 数据帧(scipy.stats.spearmanr 用于来自两个数据帧的每一行)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！