Python+pandas计算数据相关系数的实例 本文主要演示pandas中DataFrame对象corr()方法的用法,该方法用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、Kendall Tau相关系数和spearman秩相关)。 >>> import numpy as np >>> import pandas as pd >>> df = pd.DataFrame({'A':np.random.randint(1, 100, 10), 'B':np.random.randint(1, 100, 10), 'C':np.random.randint(1, 100, 10)}) >>> df A B C 0 5 91 3 1 90 15 66 2 93 27 3 3 70 44 66 4 27 14 10 5 35 46 20 6 33 14 69 7 12 41 15 8 28 62 47 9 15 92 77 >>> df.corr() # pearson相关系数 A B C A 1.000000 -0.560009 0.162105 B -0.560009 1.000000 0.014687 C 0.162105 0.014687 1.000000 >>> df.corr('kendall') # Kendall Tau相关系数 A B C A 1.000000 -0.314627 0.113666 B -0.314627 1.000000 0.045980 C 0.113666 0.045980 1.000000 >>> df.corr('spearman') # spearman秩相关 A B C A 1.000000 -0.419455 0.128051 B -0.419455 1.000000 0.067279 C 0.128051 0.067279 1.000000 以上这篇Python+pandas计算数据相关系数的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持中文源码网。