Python | Serie Pandas.corr()

La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.

La función Pandas Series.corr()calcula la correlación con otras series, excluyendo los valores faltantes.

Sintaxis: Series.corr(otro, método=’pearson’, min_periods=Ninguno)

Parámetro:
otro:
método de serie : {‘pearson’, ‘kendall’, ‘spearman’} o
min_periods invocables: número mínimo de observaciones necesarias para tener un resultado válido

Devuelve: correlación: flotante

Ejemplo #1: Use Series.corr()la función para encontrar la correlación del objeto de la serie dada con el otro.

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([80, 25, 3, 25, 24, 6])
  
# Creating the second Series
sr2 = pd.Series([34, 5, 13, 32, 4, 15])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the first index
sr1.index = index_
  
# set the second index
sr2.index = index_
  
# Print the first series
print(sr1)
  
# Print the second series
print(sr2)

Producción :

Ahora usaremos Series.corr()la función para encontrar la correlación entre los datos subyacentes del objeto de serie dado con los demás.

# find the correlation
result = sr1.corr(sr2)
  
# Print the result
print(result)

Salida:

como podemos ver en la salida, la Series.corr()función ha devuelto con éxito la correlación entre los datos subyacentes de los objetos de la serie dada.
 
Ejemplo #2: Use Series.corr()la función para encontrar la correlación del objeto de la serie dada con el otro. El objeto de la serie contiene algunos valores faltantes.

# importing pandas as pd
import pandas as pd
  
# Creating the first Series
sr1 = pd.Series([51, 10, 24, 18, None, 84, 12, 10, 5, 24, 2])
  
# Creating the second Series
sr2 = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])
  
# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')
  
# set the first index
sr1.index = index_
  
# set the second index
sr2.index = index_
  
# Print the first series
print(sr1)
  
# Print the second series
print(sr2)

Producción :

Ahora usaremos Series.corr()la función para encontrar la correlación entre los datos subyacentes del objeto de serie dado con los demás.

# find the correlation
result = sr1.corr(sr2)
  
# Print the result
print(result)

Salida:

como podemos ver en la salida, la Series.corr()función ha devuelto con éxito la correlación entre los datos subyacentes de los objetos de la serie dada. Los valores faltantes se omiten al calcular la correlación entre los objetos.

Publicación traducida automáticamente

Artículo escrito por Shubham__Ranjan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *