python - 成对相关

我有一个数据帧，看起来类似于：

In [45]: df
Out[45]:
   Item_Id  Location_Id  date  price
0        A         5372     1    0.5
1        A         5372     2    NaN
2        A         5372     3    1.0
3        A         6065     1    1.0
4        A         6065     2    1.0
5        A         6065     3    3.0
6        A         7000     1    NaN
7        A         7000     2    NaN
8        A         7000     3    NaN
9        B         5372     1    3.0
10       B         5372     2    NaN
11       B         5372     3    1.0
12       B         6065     1    2.0
13       B         6065     2    1.0
14       B         6065     3    3.0
15       B         7000     1    8.0
16       B         7000     2    NaN
17       B         7000     3    9.0

对于每个Item_Id类别中的每个Location_Id，我想计算每个Item_Id对之间价格的成对相关性。请注意，虽然我只给出了两个唯一的Item_Id
在上面的示例数据中，有几十个不同的值Item_Id出现在我的实际数据中。我试过使用groupby.corr()，但这似乎没有给我想要的。
最后，我需要N个数据帧，其中N是Location_Id中唯一df值的数目。N个数据帧中的每一个都是特定类别中存在的Item_Id的所有成对组合之间价格的平方相关矩阵。因此，N个数据帧中的每一个都有J行和列，其中J是特定Location_Id组中唯一Item_Id值的数目。

最佳答案

您可以按Location_Id分组，然后以date和Item_Id为轴心，得到相关性：

>>> corr = lambda obj: obj.pivot('date', 'Item_Id', 'price').corr()
>>> df.groupby('Location_Id').apply(corr)
Item_Id                  A      B
Location_Id Item_Id
5372        A        1.000 -1.000
            B       -1.000  1.000
6065        A        1.000  0.866
            B        0.866  1.000
7000        A          NaN    NaN
            B          NaN  1.000

得到每个Location_Id的2x 2矩阵。

关于python - 成对相关，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/27463154/