Pythonのpd.corrwithの使い方について(Series型とDataFrame型の違い)

受付中

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 62

essa

score 45

いつもお世話になっております。
標記について教えていただきたいことがあります。

下記のようなDataFrameがあるとします。

df

          col1       col2       col3   
 idx0   0.470484   0.529014   0.200872 
 idx1   0.036357   0.999937   0.949096 
 idx2   0.097277   0.152169   0.568015 

これを、

df2

          col1   
 idx0   0.470484 
 idx1   0.036357 
 idx2   0.097277 

を抽出します。
このとき、df2はSeries型の場合と、DataFrame型の場合があるとします。
型を変えてpd.corrwithを行うと、結果が変わってきます。

<dfとdf2(DataFrame)の場合>
col1:XX(何かしらの値)
col2:NaN
col3:NaN

という結果になります。
同じカラム同士の相関しか計算していないのだと思います。

<dfとdf2(Series)の場合>
col1:XX(何かしらの値)
col2:XX(何かしらの値)
col3:XX(何かしらの値)

となります。
これは、型によって計算結果が変わるのでしょうか?

ご存じの方がいましたら、教えていただければと思います。
どうぞよろしくお願い致します。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

0

Documentに記述が見つかりませんでしたが、
動作をみるかぎり、引数が DataFrame の場合は対応する列(Column名が同じ列)同士で比較が行われ、引数が Seriesの場合は、Series名に関わらず全ての列との間で比較が行われているようです。

import pandas as pd
df = pd.DataFrame({'col1':[0.470484, 0.036357, 0.097277],
                   'col2':[0.529014, 0.999937, 0.152169],
                   'col3':[0.200872, 0.949096, 0.568015]},
                  index=['idx1','idx2','idx3'])

df2 = pd.DataFrame({'col1':[0.470484, 0.036357, 0.097277]},
                  index=['idx1','idx2','idx3'])

# 引数が'col1'列のみのDataFrameの場合
print(df.corrwith(df2, drop=True))
#col1    1.0
#dtype: float64

# 引数が'col2'列のみのDataFrameの場合(列名を'col2'に変更)
print(df.corrwith(df2.rename(columns={'col1':'col2'}), drop=True))
#col2   -0.192729
#dtype: float64

# 引数が'col3'列のみのDataFrameの場合(列名を'col3'に変更)
print(df.corrwith(df2.rename(columns={'col1':'col3'}), drop=True))
#col3   -0.919342
#dtype: float64

# 引数がSeriesの場合
print(df.corrwith(df2['col1'], drop=True))
#col1    1.000000
#col2   -0.192729
#col3   -0.919342
#dtype: float64

# 引数がSeriesの場合は名前(列名?)は関係ないらしい
print(df.corrwith(df2['col1'].rename('DUMMY'), drop=True))
#col1    1.000000
#col2   -0.192729
#col3   -0.919342
#dtype: float64

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/09/12 00:42

    毎回ご回答いただき、ありがとうございます。

    やはりそうなのですね。確認していただき、ありがとうございました。

    キャンセル

0

https://github.com/pandas-dev/pandas/blob/v0.25.1/pandas/core/frame.py#L7646-L7731

ソースをご覧になればわかりやすいかと。

        if isinstance(other, Series):
            return this.apply(lambda x: other.corr(x, method=method), axis=axis)

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/09/12 00:42

    t_obara様
    回答ありがとうございました。
    ソースを確認するのは考えたことがありませんでした。
    ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.22%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる