소개
이 랩에서는 Pandas 라이브러리의 corrwith() 메서드를 사용하여 두 DataFrame 간의 쌍별 상관 관계를 계산하는 방법을 배웁니다.
VM 팁
VM 시작이 완료되면 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 액세스하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화할 수 없습니다.
학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 즉시 해결해 드리겠습니다.
필요한 라이브러리 가져오기
corrwith() 메서드를 사용하려면 pandas 라이브러리를 가져와야 합니다.
import pandas as pd
DataFrame 생성
이 랩에서 사용할 두 개의 DataFrame 을 생성해 보겠습니다.
chart_1 = {'Name':['Chetan','yashas','yuvraj'],'Age': [20,25,30],'Height': [155,160,175],'Weight': [55,60,75]}
df1 = pd.DataFrame(chart_1)
chart_2 = {'Name':['Pooja','Sindu','Renuka'],'Age': [18,25,20],'Height': [145,155,165],'Weight': [45,55,65]}
df2 = pd.DataFrame(chart_2)
corrwith() 메서드를 사용하여 상관 관계 계산
corrwith() 메서드를 사용하여 두 DataFrame 간의 상관 관계를 계산할 수 있습니다.
df1.corrwith(df2)
상관 관계 방법 지정
기본적으로 corrwith() 메서드는 Pearson 상관 계수를 사용합니다. 하지만 method 매개변수를 사용하여 상관 관계 방법을 지정할 수 있습니다.
df1.corrwith(df2, method='kendall')
요약
이 랩에서는 Pandas 라이브러리의 corrwith() 메서드를 사용하여 두 DataFrame 간의 쌍별 상관 관계를 계산하는 방법을 배웠습니다. 이 메서드는 두 데이터 세트의 서로 다른 열 간의 상관 관계를 찾는 데 유용합니다. 상관 관계 방법을 지정하여 Pearson, Kendall 또는 Spearman 상관 계수를 계산할 수 있습니다. 이는 변수 간의 관계를 이해하고 데이터 기반 의사 결정을 내리는 데 도움이 됩니다.