pandas.Series.corr이 num을 반환하는 반면 numpy 또는 scipy가 숫자를 계산하는 이유는 무엇입니까?

Question

두 팬더 시리즈 간의 상관 관계를 계산하려고합니다. dtypes 확인하고이 보이는 경우 pandas df.corr() returns NaN despite data fed having populated data 내가 확인

s = xfarines["400"] 
s.corr(yfarines["PROTREF"]) 


nan 

이 질문에 상대 :

scipy.stats.pearsonr(xfarines["400"].values, yfarines["PROTREF"].values) 


(0.71564870605278108, 2.9185934338775347e-23) 


pd.np.corrcoef(xfarines["400"].values, yfarines["PROTREF"].values) 


array([[ 1.  , 0.71564871], 
    [ 0.71564871, 1.  ]]) 

하지만이 팬더 무엇을 나에게 준다 : 나는 NumPy와 나 scipy에서 무엇을 얻을입니다 그것은 :

s.describe() 

count 140.000000 
mean  0.304078 
std  0.057225 
min  0.197300 
25%  0.250300 
50%  0.318500 
75%  0.346850 
max  0.408600 
Name: 400, dtype: float64 


yfarines["PROTREF"].describe() 

count 140.000000 
mean  12.619143 
std  2.547644 
min  7.600000 
25%  10.975000 
50%  12.100000 
75%  14.590000 
max  18.200000 
Name: PROTREF, dtype: float64 

따라서 어디에서 문제가 발생하는지 이해할 수 없습니까?

Answer 1

이상하게도 numpy (v 1.8.0)는 언급했지만 scipy 가져 오기는 다를 수 있습니다. 이 NumPy와는 아마도 최신 버전을 가진 사람들이 그것을 반환 것을 확인할 수 있습니다

>>> a 
array([[ 3.00000000, 0.17157288], 
     [ 3.00000000, 1.58578644], 
     [ 3.00000000, 3.00000000], 
     [ 3.00000000, 4.41421356], 
     [ 3.00000000, 5.82842712]]) 
>>> np.corrcoef(a[:,0], a[:,1],rowvar=0, bias=0, ddof=None) 
array([[ nan, nan], 
     [ nan, 1.00000000]] 

를하는 일이지만, 적어도 수직 라인의 포인트 주어진 것입니다. 가로줄을 얻으려면

>>> b = np.array([a[:,1],a[:,0]]).T 
>>> b 
array([[ 0.17157288, 3.00000000], 
     [ 1.58578644, 3.00000000], 
     [ 3.00000000, 3.00000000], 
     [ 4.41421356, 3.00000000], 
     [ 5.82842712, 3.00000000]]) 
>>> np.corrcoef(b[:,0], b[:,1],rowvar=0, bias=0, ddof=None) 
array([[ 1.00000000, nan], 
     [ nan, nan]])