如何用日期时间索引抵消 Pandas Pearson 相关性

debugcn 发表于 Dev

Python_Learner_DK

我试图获得前一周输入与下周输出的相关值。

为了这个例子，我已经将它设置为每周的输入将是下周的输出，并且df.corr()应该给出1.000000结果。

我的原始数据如下所示：

Date      Input     Output
1/1/2010    73         73
1/7/2010     2         73
1/13/2010    3          2
1/19/2010    4          3

完整示例数据上传到这里：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)

作为一个新手，这就是我被困的地方。我没有看到shift函数中内置的选项，也不知道如何执行此操作。

任何和所有的帮助表示赞赏。

谢谢你，我

松弛

如果你.corr在一个数据帧上做，它会产生一个相关矩阵。

在您的情况下，您只需要两个时间序列之间的相关性，您可以使用以下代码实现这一点。请注意，.corr时间序列的方法需要参数other，这是要计算相关性的序列。

df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1

相反，如果您想要相关矩阵，您应该首先创建一个带有移位输出的数据帧，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

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。