Python数据分析：使用Pandas进行相关分析详解

小满

发布时间：2026-10-13| 6人浏览过

原创

本文介绍Python中利用Pandas库进行相关分析的方法。重点讲解DataFrame.corr()与Series.corr()函数的区别与返回值类型，阐述皮尔逊相关系数r在衡量变量线性关系中的应用，包括正负相关判定及r=0的含义。

Pandas相关分析函数用法

相关分析函数 DataFrame.corr() Series.corr(other)

函数说明：当由数据框（DataFrame）调用corr函数时，系统将计算该数据框中每一列与其他各列之间的相似度（即相关系数矩阵）。当由序列（Series）调用corr方法时，仅计算该特定序列与传入的另一个序列之间的相关度。

返回值：若由DataFrame调用，返回值为一个新的DataFrame对象，包含各列间的相关系数。

若由Series调用，返回值为一个数值型标量，其大小即为两个序列间的相关度系数。


import numpy
import pandas
 
data = pandas.read_csv(
  'C:/Users/ZL/Desktop/Python/5.4/data.csv'
)
 
bins = [
  min(data.年龄)-1, 20, 30, 40, max(data.年龄)+1
]
labels = [
  '20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上'
]
 
data['年龄分层'] = pandas.cut(
  data.年龄, 
  bins, 
  labels=labels
)
 
ptResult = data.pivot_table(
  values=['年龄'], 
  index=['年龄分层'], 
  columns=['性别'], 
  aggfunc=[numpy.size]
 File "<ipython-input-1-ae921a24967f>", line 25
  aggfunc=[numpy.size]
            ^
SyntaxError: unexpected EOF while parsing
 
 
import numpy
import pandas
 
data = pandas.read_csv(
  'C:/Users/ZL/Desktop/Python/5.4/data.csv'
)
 
bins = [
  min(data.年龄)-1, 20, 30, 40, max(data.年龄)+1
]
labels = [
  '20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上'
]
 
data['年龄分层'] = pandas.cut(
  data.年龄, 
  bins, 
  labels=labels
)
 
ptResult = data.pivot_table(
  values=['年龄'], 
  index=['年龄分层'], 
  columns=['性别'], 
  aggfunc=[numpy.size]
)
 
ptResult
Out[4]: 
     size    
      年龄    
性别     女   男
年龄分层        
20岁以及以下  111  1950
21岁到30岁 2903 43955
31岁到40岁  735  7994
41岁以上   567  886

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。