如何抵消 Pandas 与日期时间指数的 Pearson 相关性
How to Offset Pandas Pearson Correlation with Datetime Index
我正在尝试获取前一周输入与下周输出的相关值。
为了这个例子，我将其设置为每周的输入将是下一周的输出，df.corr() 应该给出 1.000000 结果。
我的原始数据是这样的：
Date Input Output
1/1/2010 73 73
1/7/2010 2 73
1/13/2010 3 2
1/19/2010 4 3
此处上传了完整的示例数据：
https://drive.google.com/open?id=0B4xdnV0LFZI1MzRUOUJkcUY4ajQ
到目前为止，这是我的代码：
import pandas as pd
df = pd.read_csv('pearson.csv')
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce')
df = df.set_index(pd.DatetimeIndex(df['Date']))
df = df[['Input', 'Output']]
x = df.corr(method = 'pearson', min_periods=1)
print(x)
作为新手，我遇到了困难。我没有看到函数中内置的 shift 选项，我不确定该怎么做。
感谢任何帮助。
谢谢，
我
如果你在一个数据帧上做.corr，它会产生一个相关矩阵。
在你的例子中，你只需要两个时间序列之间的相关性，你可以使用下面的代码来实现。请注意，时间序列的 .corr 方法需要参数 other，这是用来计算相关性的序列。
df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1
如果您想要相关矩阵，您应该首先创建一个具有移位输出的数据框，然后计算相关性：
temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)
# Input Output
#Input 1.0 1.0
#Output 1.0 1.0
我正在尝试获取前一周输入与下周输出的相关值。
为了这个例子，我将其设置为每周的输入将是下一周的输出，df.corr() 应该给出 1.000000 结果。
我的原始数据是这样的：
Date Input Output
1/1/2010 73 73
1/7/2010 2 73
1/13/2010 3 2
1/19/2010 4 3
此处上传了完整的示例数据： https://drive.google.com/open?id=0B4xdnV0LFZI1MzRUOUJkcUY4ajQ
到目前为止，这是我的代码：
import pandas as pd
df = pd.read_csv('pearson.csv')
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce')
df = df.set_index(pd.DatetimeIndex(df['Date']))
df = df[['Input', 'Output']]
x = df.corr(method = 'pearson', min_periods=1)
print(x)
作为新手，我遇到了困难。我没有看到函数中内置的 shift 选项，我不确定该怎么做。
感谢任何帮助。
谢谢， 我
如果你在一个数据帧上做.corr，它会产生一个相关矩阵。
在你的例子中，你只需要两个时间序列之间的相关性，你可以使用下面的代码来实现。请注意，时间序列的 .corr 方法需要参数 other，这是用来计算相关性的序列。
df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1
如果您想要相关矩阵，您应该首先创建一个具有移位输出的数据框，然后计算相关性：
temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)
# Input Output
#Input 1.0 1.0
#Output 1.0 1.0