以下のようなデータフレームがあると仮定すると、2つの特定の列間の相関関係を取得し、「ID」列でグループ化するにはどうすればよいですか? Pandas 'corr'メソッドはすべての列間の相関関係を見つけると信じています。可能であれば、.agg関数を使用して「groupby」相関関係を見つける方法を知りたいです(つまり、np。相関関係)。
私が持っているもの:
ID Val1 Val2 OtherData OtherData
A 5 4 x x
A 4 5 x x
A 6 6 x x
B 4 1 x x
B 8 2 x x
B 7 9 x x
C 4 8 x x
C 5 5 x x
C 2 1 x x
私が必要なもの:
ID Correlation_Val1_Val2
A 0.12
B 0.22
C 0.05
ありがとう!
あなたはほとんどすべての部分を理解しました、それらを組み合わせる必要があるだけです:
>>> df.groupby('ID')[['Val1','Val2']].corr()
Val1 Val2
ID
A Val1 1.000000 0.500000
Val2 0.500000 1.000000
B Val1 1.000000 0.385727
Val2 0.385727 1.000000
あなたの場合、各IDに2x2を出力するのは非常に冗長です。行列全体の代わりにスカラー相関を出力するオプションは表示されませんが、2つの変数しかない場合は、次のような簡単なことを実行できます。
>>> df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2,-1]
ID
A Val1 0.500000
B Val1 0.385727
3つ以上の変数の場合、簡潔な出力を作成するのは簡単ではありませんが、次のようなことができます。
groups = list('Val1', 'Val2', 'Val3', 'Val4')
df2 = pd.DataFrame()
for i in range( len(groups)-1):
df2 = df2.append( df.groupby('ID')[groups].corr().stack()
.loc[:,groups[i],groups[i+1]:].reset_index() )
df2.columns = ['ID', 'v1', 'v2', 'corr']
df2.set_index(['ID','v1','v2']).sort_index()
groupby
要素がない場合、numpyの上部または下部の三角形の関数を使用するのは簡単です。しかし、その要素が存在するため、私が知る限り、簡潔な出力をよりエレガントな方法で生成することはそれほど簡単ではありません。
上記の答えでは、 ixは非推奨になっているため、代わりにilocを使用して、その他の小さな変更を加えます。
df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2][['Val2']] # to get pandas DataFrame
または
df.groupby('ID')[['Val1','Val2']].corr().iloc[0::2]['Val2'] # to get pandas Series