解读pandas.DataFrame.corrwith
waifdzdn 人气:0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
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:
其中,n是样本的维度,xi和yi分别表示样本每个维度的值,和表示样本均值。
以user1和user4为例,计算他们之间的相关系数,user1的均值是4,user2的均值是4.2:
这个结果与corrwith函数计算的结果一致。
similarity_with_other_users
similarity_with_other_movies
从结果可以看出,user1和user4的相关性最高,说明他们对每部电影的评分最接近,或者说他们的喜欢电影的类型最接近;《The Shawshank Redemption》和《Forrest Gump》的相关性为1,说明后者的评分和前者最接近。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。
加载全部内容