同一 column_python 中同一数据帧中两个连续行之间的相关性
Correlation between two successive rows in the same dataframe in the same column_python
我有一个包含 36 列的大型数据框,我想计算两个连续行之间的相关性。
我试过了
data.corrwith(数据,轴=0,方法='pearson',drop=False)
错误结果:
('Amplitude', 0) 1.0
('Amplitude', 1) 1.0
('Amplitude', 2) 1.0
('Amplitude', 3) 1.0
('Amplitude', 4) 1.0
('Amplitude', 5) 1.0
('Amplitude', 6) 1.0
('Amplitude', 7) 1.0
('Amplitude', 8) 1.0
('Amplitude', 9) 1.0
('Amplitude', 10) 1.0
('Amplitude', 11) 1.0
('Amplitude', 12) 1.0
....
enter image description here
这是数据集的捕获。
谢谢,
您可以使用 df.corr 这将 return 一个包含所有列对以及它们之间相关性的数据框。这是代码:
df.set_index('Time', drop=True).T.corr()
我有一个包含 36 列的大型数据框,我想计算两个连续行之间的相关性。 我试过了
data.corrwith(数据,轴=0,方法='pearson',drop=False)
错误结果:
('Amplitude', 0) 1.0 ('Amplitude', 1) 1.0 ('Amplitude', 2) 1.0 ('Amplitude', 3) 1.0 ('Amplitude', 4) 1.0 ('Amplitude', 5) 1.0 ('Amplitude', 6) 1.0 ('Amplitude', 7) 1.0 ('Amplitude', 8) 1.0 ('Amplitude', 9) 1.0 ('Amplitude', 10) 1.0 ('Amplitude', 11) 1.0 ('Amplitude', 12) 1.0 ....
enter image description here
这是数据集的捕获。
谢谢,
您可以使用 df.corr 这将 return 一个包含所有列对以及它们之间相关性的数据框。这是代码:
df.set_index('Time', drop=True).T.corr()