python/pandas/numpy数据分析(十一)-相关系数与协方差

axis=0和1分别的表格的纵轴和横轴

最浅显易懂的协方差与标准差
https://www.zhihu.com/question/20852004

有些汇总信息是通过参数对计算出来的

import pandas.io.data as web

import numpy as np

import os

import pandas as pd

from pandas import Series,DataFrame

import matplotlib.pyplot as plt


all_data={}
for ticker in ['GOOG','IBM']:
    all_data[ticker]=web.get_data_yahoo(ticker,'9/9/2016','12/12/2016')

# price=DataFrame({tic:data['Adg Close'] 
#                 for tic,data in all_data.items()})
volume=DataFrame({tic:data['Volume']
                for tic,data in all_data.items()})

# volume.tail()
returns=volume.pct_change()
returns.tail()

# px=web.DataReader('F-F_Research_Data_factors','famafrench')
# px.tail()

注意,有些数据源已经变更. 可以参考:http://*.com/questions/15777021/pandas-io-data-get-data-yahoo-dji-retrieval-error

. GOOG IBM
Date
2016-12-06 0.180707 -0.178520
2016-12-07 0.072268 0.555102
2016-12-08 -0.172835 -0.255317
2016-12-09 0.229457 -0.035525
2016-12-12 0.177815 0.078024

ct_change 计算百分数变化

Series的corr方法用于计算两个Series中重叠的,非NA的,按索引对其的值得相关系数.
cov用于计算协方差

returns.GOOG.corr(returns.IBM)
0.6680384656565751

returns.GOOG.cov(returns.IBM)
0.12451587226637535

DataFrame的corr和cov方法将以DataFrame的形式返回完整的相关系数或者协方差矩阵.

returns.corr()
. GOOG IBM
GOOG 1.000000 0.668038
IBM 0.668038 1.000000
returns.cov()
. GOOG IBM
GOOG 0.224704 0.124516
IBM 0.124516 0.154609

利用DataFrame.corrwith方法可以计算其列或者行跟另一个Series后者DataFrame之间的相关系数.

上一篇:python/pandas/numpy数据分析(十)-函数, rank,重复索引


下一篇:pyhon/numpy/pandas(十二)-xml