Pandas2.2 DataFrame
Computations descriptive stats
| 方法 | 描述 |
|---|---|
| DataFrame.abs() | 用于返回 DataFrame 中每個元素的絕對值 |
| DataFrame.all([axis, bool_only, skipna]) | 用于判斷 DataFrame 中是否所有元素在指定軸上都為 True |
| DataFrame.any(*[, axis, bool_only, skipna]) | 用于判斷 DataFrame 中是否至少有一個元素在指定軸上為 True |
| DataFrame.clip([lower, upper, axis, inplace]) | 用于截斷（限制）DataFrame 中的數值 |
| DataFrame.corr([method, min_periods, …]) | 用于計算 DataFrame 中各列之間的相關系數矩陣（Correlation Matrix） |
pandas.DataFrame.corr()
pandas.DataFrame.corr() 方法用于計算 DataFrame 中各列之間的相關系數矩陣（Correlation Matrix），常用于探索變量之間的線性關系強度。默認使用皮爾遜相關系數（Pearson），也支持 Kendall 和 Spearman 等非參數方法。
一、方法簽名
DataFrame.corr(method='pearson', min_periods=1, numeric_only=False)
參數說明：
| 參數 | 類型 | 描述 |
|---|---|---|
method | {‘pearson’, ‘kendall’, ‘spearman’} 或 callable，默認 'pearson' | 相關系數的計算方法： |
'pearson': 線性相關系數（適用于連續變量）'kendall': Kendall Tau 秩相關系數'spearman': Spearman 秩相關系數- 也可以傳入自定義函數（兩個 Series 輸入，返回 float） |
|min_periods| int, 默認1| 每對列之間至少需要多少個有效觀測值才能計算相關系數。若不足則返回 NaN。 |
|numeric_only| bool, 默認False| 是否只考慮數值類型列（如 int、float）。若為True，忽略布爾、字符串等非數值列。 |
二、返回值
- 返回一個 DataFrame，表示每對列之間的相關系數，范圍在 [-1, 1] 之間：
1表示完全正相關0表示無線性關系-1表示完全負相關
三、相關系數方法說明
| 方法 | 描述 |
|---|---|
'pearson' | 衡量兩變量之間的線性相關性（適合連續數據） |
'kendall' | 基于秩次的相關性檢驗（適合小樣本或有序數據） |
'spearman' | 基于秩次的非參數相關性（適合非正態分布數據） |
四、使用示例及結果
示例1：默認方法（Pearson）
import pandas as pddf = pd.DataFrame({'A': [1, 2, 3, 4, 5],'B': [2, 4, 6, 8, 10],'C': [5, 4, 3, 2, 1]
})
計算 Pearson 相關系數：
result = df.corr()
print(result)
輸出：
A B C
A 1.000000 1.000000 -1.000000
B 1.000000 1.000000 -1.000000
C -1.000000 -1.000000 1.000000
解釋：
- 列 A 與 B 完全正相關（+1）
- 列 A 與 C 完全負相關（-1）
示例2：使用 Spearman 方法
result = df.corr(method='spearman')
print(result)
輸出：
A B C
A 1.0 1.0 -1.0
B 1.0 1.0 -1.0
C -1.0 -1.0 1.0
解釋：
- 由于數據是單調遞增/遞減，Spearman 與 Pearson 結果一致。
示例3：包含 NaN 值時設置 min_periods
import numpy as npdf_with_nan = pd.DataFrame({'X': [1, 2, np.nan, 4, 5],'Y': [np.nan, 2, 3, 4, 5],'Z': [5, 4, 3, 2, 1]
})# 設置 min_periods=3
result = df_with_nan.corr(min_periods=3)
print(result)
輸出：
X Y Z
X 1.000000 1.000000 -1.000000
Y 1.000000 1.000000 -1.000000
Z -1.000000 -1.000000 1.000000
解釋：
- 雖然有缺失值，但每對列間仍有足夠的有效觀測值（≥3），因此仍能計算出相關系數。
示例4：使用自定義相關函數（如互信息）
from scipy.stats import pearsonrdef custom_corr(x, y):return pearsonr(x, y)[0]result = df.corr(method=custom_corr)
print(result)
輸出：
A B C
A 1.000000 1.000000 -1.000000
B 1.000000 1.000000 -1.000000
C -1.000000 -1.000000 1.000000
解釋：
- 使用
scipy.stats.pearsonr自定義相關函數，效果與默認相同。
示例5：僅保留數值列（numeric_only=True）
df_mixed = pd.DataFrame({'A': [1, 2, 3],'B': ['low', 'medium', 'high'],'C': [4.0, 5.0, 6.0]
})result = df_mixed.corr(numeric_only=True)
print(result)
輸出：
A C
A 1.0 1.0
C 1.0 1.0
解釋：
- 列 B 是字符串類型，被自動忽略。
- 只對數值列 A 和 C 進行相關分析。
五、適用場景
| 場景 | 描述 |
|---|---|
| 特征選擇 | 分析特征之間的共線性，避免多重共線性問題 |
| 數據探索 | 快速了解變量之間的線性關系強弱 |
| 可視化輔助 | 配合熱力圖（heatmap）展示變量相關性 |
| 模型診斷 | 檢查輸入變量是否具有預測能力或冗余性 |
六、注意事項
- 只適用于數值型列（int、float），非數值列默認參與運算時會報錯（除非設置
numeric_only=True） NaN值會被自動跳過，不影響計算method支持傳入任意兩個 Series 的函數進行自定義相關性計算- 對異常值敏感（尤其 Pearson），建議先做標準化或去極值處理
七、總結
| 特性 | 描述 |
|---|---|
| 功能 | 計算 DataFrame 各列之間的相關系數矩陣 |
| 默認方法 | Pearson 線性相關系數 |
| 支持方法 | Pearson、Kendall、Spearman、自定義函數 |
| NaN 處理 | 自動跳過，可通過 min_periods 控制最小樣本數 |
| 是否修改原數據 | 否，返回新 DataFrame |
| 適用類型 | 數值型列（int、float） |
corr() 是數據分析中非常關鍵的方法之一，廣泛應用于變量關系探索、特征工程、模型優化等多個環節。
)
