解讀pandas.DataFrame.corrwith

pandas.DataFrame.corrwith用于計算DataFrame中行與行或者列與列之間的相關(guān)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’ 表示計算列與列的相關(guān)性，axis=1或者axis=‘columns’ 表示計算行與行的相關(guān)性。

method是計算相關(guān)性的方法，這里采用pearson correlation coefficient（皮爾遜相關(guān)系數(shù)）。

下面以一個觀眾對電影評分的例子說明

每一行表示一個觀眾對所有電影的評分，每一列表示所有觀眾對一部電影的評分。

然后分別計算第一位觀眾和其他觀眾的相關(guān)性 和第一部電影和其它電影的相關(guān)性。

代碼如下

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)

這里采用了pearson correlation coefficient：

其中，n是樣本的維度，x_i和y_i分別表示樣本每個維度的值，和表示樣本均值。

以user1和user4為例，計算他們之間的相關(guān)系數(shù)，user1的均值是4，user2的均值是4.2：

這個結(jié)果與corrwith函數(shù)計算的結(jié)果一致。

similarity_with_other_users

similarity_with_other_movies

從結(jié)果可以看出，user1和user4的相關(guān)性最高，說明他們對每部電影的評分最接近，或者說他們的喜歡電影的類型最接近；《The Shawshank Redemption》和《Forrest Gump》的相關(guān)性為1，說明后者的評分和前者最接近。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論