zoukankan      html  css  js  c++  java
  • Pandas入门之十:百分比与相关性

    已信任
    Jupyter 服务器: 本地
    Python 3: Not Started
    [60]
    
    
    
    import pandas as pd
    import numpy as np
    
    
    
    [61]
    
    
    
    
    s = pd.Series([877,865,874,890,912])
    s
    0    877
    1    865
    2    874
    3    890
    4    912
    dtype: int64
    [62]
    
    
    
    # 想知道每天的变化量,对比的是当天跟昨天的变化量
    s.pct_change()
    0         NaN
    1   -0.013683
    2    0.010405
    3    0.018307
    4    0.024719
    dtype: float64
    [63]
    
    
    
    # 协方差
    s1 = pd.Series(np.random.randn(10))
    s2 = pd.Series(np.random.randn(10))
    s1.cov(s2)
    -0.3417718431113297
    [64]
    
    
    
    # 相关性计算:一个变,另一个是否跟着变
    s1
    0    0.070405
    1    0.155567
    2   -0.518001
    3   -0.057693
    4    0.411682
    5    1.841240
    6    0.759474
    7    0.301355
    8   -0.864013
    9    0.642086
    dtype: float64
    [65]
    
    
    
    s2 = s1*2
    [66]
    
    
    
    s1.corr(s2)
    1.0
    [67]
    
    
    
    s3 = pd.Series(np.random.randn(10))
    [68]
    
    
    
    df = pd.DataFrame({
        's1':s1,
        's2':s2,
        's3':s3
    })
    df
    s1    s2    s3
    0    0.070405    0.140811    0.771643
    1    0.155567    0.311135    2.976528
    2    -0.518001    -1.036002    -0.368043
    3    -0.057693    -0.115387    0.273931
    4    0.411682    0.823364    0.434022
    5    1.841240    3.682480    -1.641432
    6    0.759474    1.518949    0.682910
    7    0.301355    0.602710    0.514268
    8    -0.864013    -1.728025    0.023511
    9    0.642086    1.284171    0.960029
    [69]
    
    
    
    df.corr()
    s1    s2    s3
    s1    1.000000    1.000000    -0.278755
    s2    1.000000    1.000000    -0.278755
    s3    -0.278755    -0.278755    1.000000
    [-]
  • 相关阅读:
    转换流与标准的输入输出流
    缓冲流
    节点流(文件流) FileInputStream & FileOutputStream & FileReader & FileWriter
    IO流概述
    File类的使用
    枚举&注解
    泛型的使用
    Collections工具类
    Map接口之HashMap,LinkedHashMap,TreeMap
    MySQL 高可用之MHA
  • 原文地址:https://www.cnblogs.com/vvzhang/p/15013037.html
Copyright © 2011-2022 走看看