掌握 Pandas DataFrame 协方差分析

介绍

在本教程中，我们将学习如何使用 pandas 库中的 DataFrame.cov() 方法来计算 DataFrame 中各列之间的协方差。协方差衡量了两个随机变量之间的关系，并指示它们一起变化的程度。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时可以向 Labby 提问。实验结束后请提供反馈，我们将及时为你解决问题。

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) pandas(("Pandas")) -.-> pandas/DataSelectionGroup(["Data Selection"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas/ReadingDataGroup -.-> pandas/read_csv("Read CSV") pandas/ReadingDataGroup -.-> pandas/read_excel("Read Excel") pandas/DataSelectionGroup -.-> pandas/select_columns("Select Columns") python/ModulesandPackagesGroup -.-> python/using_packages("Using Packages") pandas/DataAnalysisGroup -.-> pandas/basic_statistics("Basic Statistics") python/PythonStandardLibraryGroup -.-> python/data_collections("Data Collections") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") python/DataScienceandMachineLearningGroup -.-> python/data_analysis("Data Analysis") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills pandas/read_csv -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} pandas/read_excel -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} pandas/select_columns -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} python/using_packages -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} pandas/basic_statistics -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} python/data_collections -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} python/numerical_computing -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} python/data_analysis -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} python/data_visualization -.-> lab-68602{{"Pandas DataFrame Cov 方法"}} end

创建 DataFrame

首先，让我们创建包含一些示例数据的 DataFrame。我们将使用 pd.DataFrame() 函数来创建一个 DataFrame 对象。

import pandas as pd

data = {'Name': ['Chetan', 'Yashas', 'Yuvraj'],
        'Age': [20, 25, 30],
        'Height': [155, 170, 165],
        'Weight': [59, 60, 75]}

df = pd.DataFrame(data)
print(df)

计算协方差矩阵

接下来，我们可以使用 DataFrame.cov() 方法来计算 DataFrame 中各列的协方差矩阵。协方差矩阵是一个矩阵，其中每个条目表示两列之间的协方差。

covariance_matrix = df.cov()
print(covariance_matrix)

计算两列的协方差

如果我们对计算两列之间的协方差感兴趣，可以通过访问这两列并直接对它们应用 cov() 方法来实现。

covariance = df['Height'].cov(df['Weight'])
print(covariance)

总结

在本教程中，我们学习了如何使用 pandas 中的 DataFrame.cov() 方法来计算 DataFrame 中各列之间的协方差。我们还了解了如何计算所有列对的协方差矩阵，以及如何计算两列之间的协方差。协方差可以帮助我们理解不同度量随时间或其他数据点之间的关系。