pandasNote4_ 字节宝

代码语言：javascript复制

import numpy as np
import pandas as pd
from pandas import Series, DataFramei
import pandas_datareader.data as web

协方差和相关系数

corr()
cov()
corrwith()

代码语言：javascript复制

all_data = {ticker: web.get_data_yahoo(ticker)
            for ticker in ['AAPL', 'IBM', 'MSFT', 'GOOG']}
price = pd.DataFrame({ticker: data['Adj Close']
                      for ticker, data in all_data.items()})
volume = pd.DataFrame({ticker: data['Volume']
                        for ticker, data in all_data.items()})

代码语言：javascript复制

# 计算价格的百分变化
returns = price.pct_change()
returns.head()

	AAPL	IBM	MSFT	GOOG
Date
2009-12-31	NaN	NaN	NaN	NaN
2010-01-04	0.015565	0.011841	0.015420	0.010920
2010-01-05	0.001729	-0.012080	0.000323	-0.004404
2010-01-06	-0.015906	-0.006496	-0.006137	-0.025209
2010-01-07	-0.001849	-0.003461	-0.010400	-0.023280

代码语言：javascript复制

# 计算相关系数和协方差
print(returns["MSFT"].corr(returns["IBM"]))  # 通过标签的形式
print(returns["MSFT"].cov(returns["IBM"]))

代码语言：javascript复制

0.49161308372179857
8.80330763108205e-05

代码语言：javascript复制

returns.MSFT.corr(returns.IBM)  # 通过属性的形式

代码语言：javascript复制

0.49161308372179857

代码语言：javascript复制

# 协方差和相关系数矩阵
print(returns.corr())
print(returns.cov())

代码语言：javascript复制

          AAPL       IBM      MSFT      GOOG
AAPL  1.000000  0.387306  0.458039  0.463707
IBM   0.387306  1.000000  0.491613  0.407577
MSFT  0.458039  0.491613  1.000000  0.539243
GOOG  0.463707  0.407577  0.539243  1.000000
          AAPL       IBM      MSFT      GOOG
AAPL  0.000267  0.000078  0.000108  0.000118
IBM   0.000078  0.000154  0.000088  0.000079
MSFT  0.000108  0.000088  0.000209  0.000121
GOOG  0.000118  0.000079  0.000121  0.000242

代码语言：javascript复制

# corrwith()：计算某列或者行和另一个S或者DF数据之间的相关系数
returns.corrwith(returns.IBM)

代码语言：javascript复制

AAPL    0.387306
IBM     1.000000
MSFT    0.491613
GOOG    0.407577
dtype: float64

唯一值、值计数和成员资格

unique()：返回未排序的值
value_counts()：计算出现的频率，降序
- pd.value_counts(obj.values, sort=False)
isin()判断成员资格

代码语言：javascript复制

obj = pd.Series(['c', 'a', 'd', 'a', 'a', 'b', 'b', 'c', 'c'])

代码语言：javascript复制

# 值计数功能
uniques=obj.unique()
uniques

代码语言：javascript复制

array(['c', 'a', 'd', 'b'], dtype=object)

代码语言：javascript复制

obj.value_counts()  # 默认是降序通过sort=False关闭降序功能pd.value_counts(obj.values, sort=False)

代码语言：javascript复制

a    3
c    3
b    2
d    1
dtype: int64

代码语言：javascript复制

# 成员资格
mask = obj.isin(['b', 'c'])
mask

代码语言：javascript复制

0     True
1    False
2    False
3    False
4    False
5     True
6     True
7     True
8     True
dtype: bool

代码语言：javascript复制

obj[mask]

代码语言：javascript复制

0    c
5    b
6    b
7    c
8    c
dtype: object

	Qu1	Qu2	Qu3
0	1	2	1
1	3	3	5
2	4	1	2
3	3	2	4
4	4	3	4

	Qu1	Qu2	Qu3
1	1.0	1.0	1.0
2	0.0	2.0	1.0
3	2.0	2.0	0.0
4	2.0	0.0	2.0
5	0.0	0.0	1.0

	Qu1	Qu2	Qu3
1	1.0	1.0	1.0
2	NaN	2.0	1.0
3	2.0	2.0	NaN
4	2.0	NaN	2.0
5	NaN	NaN	1.0

pandasNote4

协方差和相关系数

唯一值、值计数和成员资格

相关列的柱状图