Pandas2.2 DataFrame
Computations descriptive stats
| 方法 | 描述 |
|---|---|
| DataFrame.abs() | 用于返回 DataFrame 中每个元素的绝对值 |
| DataFrame.all([axis, bool_only, skipna]) | 用于判断 DataFrame 中是否所有元素在指定轴上都为 True |
| DataFrame.any(*[, axis, bool_only, skipna]) | 用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True |
| DataFrame.clip([lower, upper, axis, inplace]) | 用于截断（限制）DataFrame 中的数值 |
| DataFrame.corr([method, min_periods, …]) | 用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix） |
pandas.DataFrame.corr()
pandas.DataFrame.corr() 方法用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix），常用于探索变量之间的线性关系强度。默认使用皮尔逊相关系数（Pearson），也支持 Kendall 和 Spearman 等非参数方法。
一、方法签名
DataFrame.corr(method='pearson', min_periods=1, numeric_only=False)
参数说明：
| 参数 | 类型 | 描述 |
|---|---|---|
method | {‘pearson’, ‘kendall’, ‘spearman’} 或 callable，默认 'pearson' | 相关系数的计算方法： |
'pearson': 线性相关系数（适用于连续变量）'kendall': Kendall Tau 秩相关系数'spearman': Spearman 秩相关系数- 也可以传入自定义函数（两个 Series 输入，返回 float） |
|min_periods| int, 默认1| 每对列之间至少需要多少个有效观测值才能计算相关系数。若不足则返回 NaN。 |
|numeric_only| bool, 默认False| 是否只考虑数值类型列（如 int、float）。若为True，忽略布尔、字符串等非数值列。 |
二、返回值
- 返回一个 DataFrame，表示每对列之间的相关系数，范围在 [-1, 1] 之间：
1表示完全正相关0表示无线性关系-1表示完全负相关
三、相关系数方法说明
| 方法 | 描述 |
|---|---|
'pearson' | 衡量两变量之间的线性相关性（适合连续数据） |
'kendall' | 基于秩次的相关性检验（适合小样本或有序数据） |
'spearman' | 基于秩次的非参数相关性（适合非正态分布数据） |
四、使用示例及结果
示例1：默认方法（Pearson）
import pandas as pd
df = pd.DataFrame({
'A': [1, 2, 3, 4, 5],
'B': [2, 4, 6, 8, 10],
'C': [5, 4, 3, 2, 1]
})
计算 Pearson 相关系数：
result = df.corr()
print(result)
输出：
A B C
A 1.000000 1.000000 -1.000000
B 1.000000 1.000000 -1.000000
C -1.000000 -1.000000 1.000000
解释：
- 列 A 与 B 完全正相关（+1）
- 列 A 与 C 完全负相关（-1）
示例2：使用 Spearman 方法
result = df.corr(method='spearman')
print(result)
输出：
A B C
A 1.0 1.0 -1.0
B 1.0 1.0 -1.0
C -1.0 -1.0 1.0
解释：
- 由于数据是单调递增/递减，Spearman 与 Pearson 结果一致。
示例3：包含 NaN 值时设置 min_periods
import numpy as np
df_with_nan = pd.DataFrame({
'X': [1, 2, np.nan, 4, 5],
'Y': [np.nan, 2, 3, 4, 5],
'Z': [5, 4, 3, 2, 1]
})
# 设置 min_periods=3
result = df_with_nan.corr(min_periods=3)
print(result)
输出：
X Y Z
X 1.000000 1.000000 -1.000000
Y 1.000000 1.000000 -1.000000
Z -1.000000 -1.000000 1.000000
解释：
- 虽然有缺失值，但每对列间仍有足够的有效观测值（≥3），因此仍能计算出相关系数。
示例4：使用自定义相关函数（如互信息）
from scipy.stats import pearsonr
def custom_corr(x, y):
return pearsonr(x, y)[0]
result = df.corr(method=custom_corr)
print(result)
输出：
A B C
A 1.000000 1.000000 -1.000000
B 1.000000 1.000000 -1.000000
C -1.000000 -1.000000 1.000000
解释：
- 使用
scipy.stats.pearsonr自定义相关函数，效果与默认相同。
示例5：仅保留数值列（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)
输出：
A C
A 1.0 1.0
C 1.0 1.0
解释：
- 列 B 是字符串类型，被自动忽略。
- 只对数值列 A 和 C 进行相关分析。
五、适用场景
| 场景 | 描述 |
|---|---|
| 特征选择 | 分析特征之间的共线性，避免多重共线性问题 |
| 数据探索 | 快速了解变量之间的线性关系强弱 |
| 可视化辅助 | 配合热力图（heatmap）展示变量相关性 |
| 模型诊断 | 检查输入变量是否具有预测能力或冗余性 |
六、注意事项
- 只适用于数值型列（int、float），非数值列默认参与运算时会报错（除非设置
numeric_only=True） NaN值会被自动跳过，不影响计算method支持传入任意两个 Series 的函数进行自定义相关性计算- 对异常值敏感（尤其 Pearson），建议先做标准化或去极值处理
七、总结
| 特性 | 描述 |
|---|---|
| 功能 | 计算 DataFrame 各列之间的相关系数矩阵 |
| 默认方法 | Pearson 线性相关系数 |
| 支持方法 | Pearson、Kendall、Spearman、自定义函数 |
| NaN 处理 | 自动跳过，可通过 min_periods 控制最小样本数 |
| 是否修改原数据 | 否，返回新 DataFrame |
| 适用类型 | 数值型列（int、float） |
corr() 是数据分析中非常关键的方法之一，广泛应用于变量关系探索、特征工程、模型优化等多个环节。
