pandas.core.window.expanding.Expanding.corr

Expanding.corr(other=None, pairwise=None, ddof=1, numeric_only=False)

计算扩展的相关性。

参数:

其他Series 或 DataFrame，可选

如果没有提供，则将默认为自身并生成成对输出。

成对布尔值, 默认为 None

如果为 False，则只使用 self 和 other 之间的匹配列，输出将是一个 DataFrame。如果为 True，则将计算所有成对组合，并且在 DataFrame 输入的情况下，输出将是一个 MultiIndexed DataFrame。在缺少元素的情况下，只使用完整的成对观测值。

numeric_only布尔值, 默认为 False

只包含浮点数、整数、布尔列。

Added in version 1.5.0.

返回:

Series 或 DataFrame

返回类型与原始对象相同，具有 np.float64 数据类型。

参见

cov

计算协方差的类似方法。

numpy.corrcoef

NumPy 皮尔逊相关系数计算。

Series.expanding

调用带有 Series 数据的扩展。

DataFrame.expanding

使用 DataFrames 调用扩展。

Series.corr

聚合 Series 的相关性。

DataFrame.corr

聚合 DataFrame 的相关性。

注释

此函数使用皮尔逊的相关性定义（https://en.wikipedia.org/wiki/Pearson_correlation_coefficient）。

当未指定 other 时，输出将是自相关（例如全为1），除了 DataFrame 输入且 pairwise 设置为 True 的情况。

函数将对等值序列的相关性返回 NaN；这是由于 0/0 除法错误的结果。

当 pairwise 设置为 False 时，只有 self 和 other 之间的匹配列将被使用。

当 pairwise 设置为 True 时，输出将是一个带有原始索引在第一级和 other DataFrame 列在第二级的 MultiIndex DataFrame。

在缺少元素的情况下，只会使用完全成对观察的数据。

例子

>>> ser1 = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])
>>> ser2 = pd.Series([10, 11, 13, 16], index=['a', 'b', 'c', 'd'])
>>> ser1.expanding().corr(ser2)
a         NaN
b    1.000000
c    0.981981
d    0.975900
dtype: float64