2

编辑以显示原始数据帧的示例：

df.head(4)

            shop   category  subcategory     season
date                
2013-09-04  abc    weddings  shoes           winter
2013-09-04  def    jewelry   watches         summer
2013-09-05  ghi    sports    sneakers        spring
2013-09-05  jkl    jewelry   necklaces       fall

我已经使用 get_dummies() 成功生成了以下数据框：

wedding_seasons = pd.get_dummies(df.loc[df['category']=='weddings',['category','season']],prefix = '', prefix_sep = '' )

wedding_seasons.head(3)

        weddings    winter  summer  spring  fall
71654   1.0         0.0     1.0     0.0     0.0
72168   1.0         0.0     1.0     0.0     0.0
72080   1.0         0.0     1.0     0.0     0.0

上面的目标是帮助评估跨季节的婚礼频率，所以我曾经corr()生成以下结果：

         weddings   fall       spring     summer       winter
weddings NaN        NaN        NaN        NaN          NaN
fall     NaN        1.000000   0.054019   -0.331866    -0.012122
spring   NaN        0.054019   1.000000   -0.857205    0.072420
summer   NaN        -0.331866  -0.857205  1.000000     -0.484578
winter   NaN        -0.012122  0.072420   -0.484578    1.000000

我不确定为什么婚礼栏会生成 NaN 值，但我的直觉是它源于我最初创建的方式wedding_seasons。任何指导将不胜感激，以便我可以正确评估列相关性。

4

2 回答 2

1

我认为您在这里感兴趣的不是“相关性”。

数据框中的所有列wedding_seasons都包含浮点值；但是，如果我的怀疑是正确的，那么原始数据框中的行df包含类似于交易记录的内容，其中每一行对应于一个人。

如果我不正确，请告诉我，但我会继续我的推理。

相关性将直观地衡量在同一观察中值一起变化/相互对抗的趋势（例如，如果 X 和 Y 负相关，那么当我们看到 X 高于其平均值时，我们预计 Y 会低于其平均值）。

但是，您在这里拥有的是数据，如果一个事务是summer，那么绝对不可能winter同时发生。当您创建时wedding_seasons，Pandas 会创建虚拟变量，在计算相关矩阵时将其视为浮点值；由于任何行不可能同时包含两个1.0条目，因此很明显，您得到的相关矩阵将到处都有负条目。

于 2018-07-10T20:36:12.060 回答
0

你可以在做之前删除婚礼栏corr()。

wedding_seasons.drop(columns = ['weddings'])
于 2018-07-10T19:57:06.663 回答