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 válidoDevuelve: 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