python數據分析中的相關性和協方差

　　相關性和協方差

　　相關性和協方差是兩個重要的統計量，pandas計算這兩個量的函數分別是corr( )和cov( )。這兩個量的計算通常涉及兩個Series對象。

　　另外一種情況是，計算單個DataFrame對象的相關性和協方差，返回兩個新DataFrame對象形式的矩陣。

　　用corrwith( )方法可以計算DataFrame對象的列或行與Series對象或其他DataFrame對象元素兩兩之間的相關性。

　　NaN數據鄭州人流醫院那家好：www.zzchxb120.com鄭州×××多少錢：www.zztjyiyuan.com

      由前幾節可知，補上缺失的數據很容易，它們在數據結構中用NaN來表示，以便於識別。在數據分析過程中，有些元素在某個數據結構中沒有定義，這種情況很常見。

　　pandas意在更好地管理這種可能出現的情況。事實上，這一節我們將講解缺失值的處理方法，這樣很多問題就可以避免。比如，pandas庫在計算各種描述性統計量的時候，並沒有將NaN值考慮在內。

　　爲元素賦NaN值

　　有時需要爲數據結構中的元素賦NaN值，這時用NumPy的np.NaN(或np.nan)即可。

　　過濾NaN

　　數據分析過程中，有幾種去除NaN的方法。然而，若要人工逐一刪除NaN元素很麻煩，也很不安全，因爲無法確保刪除了所有的NaN。而dropna( )函數可以幫我們解決這個問題。

　　另一種方法是，用notnull( )函數作爲選取元素的條件，實現直接過濾。

　　DataFrame處理起來要稍微複雜點。如果對這類對象使用dropna( )方法，只要行或列有一個NaN元素，該行或列的全部元素都會被刪除。

　　因此，爲了避免刪除整行或整列，需要用how選項，指定其值爲all，告知dropna( )函數只刪除所有元素均爲NaN的行或列。

　　爲NaN元素填充其他值

　　刪除NaN元素，可能會刪除跟數據分析相關的其他數據，所以與其冒着風險去過濾NaN元素，不如用其他數值替代NaN。fillna( )函數能夠滿足大多數需要。這個函數以替換NaN的元素作爲參數。所有NaN值都可以替換爲同一個元素，如下所示：

　　或者，若要將不同列的NaN替換爲不同的元素，依次指定列名稱及要替換成的元素即可。