woodwork.table_accessor.WoodworkTableAccessor.pearson_correlation#

WoodworkTableAccessor.pearson_correlation(nrows=None, include_index=False, include_time_index=False, callback=None, extra_stats=False, min_shared=25, random_seed=0)[source]#

计算 DataFrame 中所有支持相关性计算的列对之间的 Pearson 相关系数。适用于数值和日期时间数据。调用 woodwork.utils.get_valid_pearson_types 查看支持哪些逻辑类型。

参数：

  • nrows (int) – 计算相关性时要采样的数据行数。如果指定，则从数据中采样所需行数。默认为使用所有行。

  • include_index (bool) – 如果为 True，则只要指定为索引的列的 LogicalType 对于相关性计算有效，该列就会被包括在内。如果为 False，则不会为索引列计算 Pearson 相关性。默认为 False。

  • include_time_index (bool) – 如果为 True，则指定为时间索引的列将包括在相关性计算中。如果为 False，则不会为时间索引列计算 Pearson 相关性。默认为 False。

  • callback (callable, optional) – 用于接收增量更新的回调函数。具有以下参数： - update (int)：自上次调用以来的进度变化 - progress (int)：计算迄今为止的进度 - total (int)：要执行的总计算数 - unit (str)：进度/总数的度量单位 - time_elapsed (float)：自调用开始以来经过的总时间（秒）

  • extra_stats (bool) – 如果为 True，则会包含一个额外的列“shared_rows”，记录列对共享的非空行数。默认为 False。

  • min_shared (int) – 计算所需的共享非空行数。少于此行数将被认为过于稀疏而无法准确测量，并将返回 NaN 值。必须是非负数。默认为 25。

  • random_seed (int) – 随机数生成器的种子。默认为 0。

返回：

一个 DataFrame，包含 Pearson 相关系数，列为 column_1、column_2 和 pearson，按相关值降序排序。Pearson 值介于 -1 和 1 之间，0 表示无相关性。

返回类型：

pd.DataFrame