【Pandas】pandas DataFrame corrwith

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）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数

pandas.DataFrame.corrwith()

pandas.DataFrame.corrwith() 方法用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数。它类似于 corr()，但不是计算 DataFrame 内部各列之间的相关性，而是将 DataFrame 与外部数据进行配对相关分析。

---

一、方法签名

DataFrame.corrwith(other, axis=0, drop=False, method='pearson', numeric_only=False)

参数说明：

参数	类型	描述
other	Series 或 DataFrame	要与当前 DataFrame 进行相关性比较的外部数据对象。若为 Series，则与每列计算相关性；若为 DataFrame，则按列名匹配并逐列计算。
axis	{0/‘index’, 1/‘columns’}, 默认 0	指定配对方式：

• 0 表示按列配对（默认）
• 1 表示按行配对（要求索引相同） |
  | drop | bool, 默认 False | 若为 True，则自动删除无法匹配的列（或行），避免返回 NaN。 |
  | method | {‘pearson’, ‘kendall’, ‘spearman’}，默认 'pearson' | 相关系数的计算方法：
• 'pearson': 线性相关系数
• 'kendall': Kendall Tau 秩相关
• 'spearman': Spearman 秩相关 |
  | 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 Series，表示当前 DataFrame 的每一列（或行）与 other 对应项的相关系数。
• 若 other 是 DataFrame，且某些列在当前 DataFrame 中不存在，则这些列的结果为 NaN（除非设置 drop=True）。

---

三、使用示例及结果

示例1：DataFrame 与 Series 计算相关性

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]
})

s = pd.Series([1, 2, 3, 4, 5], name='Target')

result = df.corrwith(s)
print(result)

输出：

A       1.0
B       1.0
C      -1.0
dtype: float64

解释：

• 列 A 与目标变量完全正相关（+1）
• 列 C 与目标变量完全负相关（-1）

---

示例2：DataFrame 与另一个 DataFrame 配对计算相关性

df1 = pd.DataFrame({
    'X': [1, 2, 3],
    'Y': [4, 5, 6],
    'Z': [7, 8, 9]
})

df2 = pd.DataFrame({
    'X': [10, 20, 30],
    'Y': [40, 50, 60],
    'W': [70, 80, 90]  # 不在 df1 中
})

result = df1.corrwith(df2, method='pearson')
print(result)

输出：

X    1.0
Y    1.0
Z    NaN
dtype: float64

解释：

• 列 X 和 Y 在两个 DataFrame 中都存在，因此计算出相关系数。
• 列 Z 在 df2 中没有匹配列 → 结果为 NaN。

---

示例3：设置 drop=True 删除不匹配项

result = df1.corrwith(df2, drop=True)
print(result)

输出：

X    1.0
Y    1.0
dtype: float64

解释：

• 自动删除了不匹配的列 Z。

---

示例4：按行计算相关性（axis=1）

df1 = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
}, index=['Row1', 'Row2', 'Row3'])

df2 = pd.DataFrame({
    'A': [10, 20, 30],
    'B': [40, 50, 60]
}, index=['Row1', 'Row2', 'Row3'])

# 按行计算相关性
result = df1.corrwith(df2, axis=1)
print(result)

输出：

Row1    1.0
Row2    1.0
Row3    1.0
dtype: float64

解释：

• 每一行在两个 DataFrame 中都匹配，且数据线性相关，所以相关系数为 +1。

---

示例5：使用 Spearman 方法

result = df.corrwith(s, method='spearman')
print(result)

输出：

A     1.0
B     1.0
C    -1.0
dtype: float64

解释：

• 因为数据是单调递增/递减，Spearman 与 Pearson 结果一致。

---

示例6：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]
})

s = pd.Series([1, 2, 3], name='Target')

result = df_mixed.corrwith(s, numeric_only=True)
print(result)

输出：

A    1.0
C    1.0
dtype: float64

解释：

• 列 B 是字符串类型，被自动忽略。

---

四、适用场景

场景	描述
特征与目标变量相关性分析	分析每个特征与目标变量之间的相关性，辅助特征选择。
多数据源对比分析	比较两个不同数据集之间相同字段的相关性，判断数据一致性。
时间序列分析	将时间序列数据与参考序列进行相关性分析，识别趋势相似性。
模型诊断	检查预测值与真实值之间的相关性，评估模型性能。

---

五、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）
• 支持传入任意两个 Series 的函数进行自定义相关性计算（通过 method 参数）
• 对异常值敏感（尤其 Pearson），建议先做标准化或去极值处理
• 若 other 是 DataFrame，要求其索引与当前 DataFrame 匹配（否则会产生 NaN）

---

六、总结

特性	描述
功能	计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 的相关性
默认方法	Pearson 线性相关系数
支持方法	Pearson、Kendall、Spearman
是否修改原数据	否，返回新 Series
适用类型	数值型列（int、float）
灵活性	支持 Series 或 DataFrame 输入，可按行或列配对

corrwith() 是一个非常实用的方法，特别适合用于跨数据集的相关性分析、特征与目标变量关系探索等任务。