两个数据框之间的相关性 [英] Correlation between two dataframes

问题描述

有人问过类似的问题，但我还没有一个清晰的答案。请原谅我再次询问。我有两个数据框，我只想第一个数据框与第二个数据列的相关性。以下代码正是我想要的：

  df1 = pd.DataFrame（{'Y'：np.random.randn （10）}）
 df2 = pd.DataFrame（{'X1'：np.random.randn（10），'X2'：np.random.randn（10），'X3'：np.random。 randn（10）}）
 for df2中的col：
打印df1 ['Y']。corr（df2 [col]）
  

但似乎我不应该遍历数据框。我希望像

  df1.corr（df2）
  <这样简单的事情/ pre> 
 
 
应该完成工作。 
解决方案
您可以使用  corrwith  ：
 >> df2.corrwith（df1.Y）
 X1 0.051002 
 X2 -0.339775 
 X3 0.076935 
 dtype：float64 
  
 
Similar questions have been asked, but I've not seen a lucid answer.  Forgive me for asking again.   I have two dataframes, and I simply want the correlation of the first data frame with each column in the second.   Here is code which does exactly what I want:
df1=pd.DataFrame( {'Y':np.random.randn(10) } )
df2=pd.DataFrame( {'X1':np.random.randn(10), 'X2':np.random.randn(10) ,'X3':np.random.randn(10) } )
for col in df2:
   print df1['Y'].corr(df2[col])
but it doesn't seem like I should be looping through the dataframe.  I was hoping that something as simple as 
df1.corr(df2) 
ought to get the job done.  Is there a clear way to perform this function without looping?
解决方案
You can use corrwith:
>>> df2.corrwith(df1.Y)
X1    0.051002
X2   -0.339775
X3    0.076935
dtype: float64


                        
这篇关于两个数据框之间的相关性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！