如何抵消熊猫皮尔逊与日期时间索引的相关性
我正在尝试获取前一周的输入的相关值到下一周的输出。如何抵消熊猫皮尔逊与日期时间索引的相关性
为了这个例子我已经设置了它,每周的输入是下一周的输出,df.corr()
应该给出1.000000
的结果。
我原来的数据是这样的:在这里上传
Date Input Output
1/1/2010 73 73
1/7/2010 2 73
1/13/2010 3 2
1/19/2010 4 3
全样本数据: https://drive.google.com/open?id=0B4xdnV0LFZI1MzRUOUJkcUY4ajQ
这里是到目前为止我的代码:
import pandas as pd
df = pd.read_csv('pearson.csv')
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce')
df = df.set_index(pd.DatetimeIndex(df['Date']))
df = df[['Input', 'Output']]
x = df.corr(method = 'pearson', min_periods=1)
print(x)
而作为一个新手在这里就是我卡住了。我没有看到该函数中内置的shift
选项,并且不知道如何执行此操作。
任何和所有的帮助表示赞赏。
谢谢你,我
如果你在一个数据帧做.corr
,就会产生相关矩阵。
在你的情况下,你只是想要两个时间序列之间的相关性,你可以用下面的代码实现这一点。请注意,时间序列的.corr
方法需要参数other
,这是计算相关性的序列。
df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1
相反,如果你想要的相关矩阵,你应该首先用移输出一个数据帧,然后计算相关:
temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna()
temp_df.corr(method = 'pearson', min_periods = 1)
# Input Output
#Input 1.0 1.0
#Output 1.0 1.0
恭喜1k;) – jezrael
这是一个很好的答案。 – piRSquared
BTW这是每6天。 – piRSquared