python之如何抵消 Pandas Pearson 与日期时间索引的相关性

我正在尝试获取前一周输入与下周输出的相关值。

为了这个例子，我将其设置为每周的输入将是下一周的输出，df.corr() 应该给出 1.000000 结果。

我的原始数据是这样的:

Date      Input     Output 
1/1/2010    73         73 
1/7/2010     2         73 
1/13/2010    3          2 
1/19/2010    4          3 

此处上传的完整示例数据: https://drive.google.com/open?id=0B4xdnV0LFZI1MzRUOUJkcUY4ajQ

到目前为止，这是我的代码:

import pandas as pd 
df = pd.read_csv('pearson.csv') 
df['Date'] = pd.to_datetime(df['Date'], errors = 'coerce') 
df = df.set_index(pd.DatetimeIndex(df['Date'])) 
df = df[['Input', 'Output']] 
x = df.corr(method = 'pearson', min_periods=1) 
print(x) 

作为新手，我遇到了困难。我没有在函数中看到内置的 shift 选项，也不知道该怎么做。

感谢任何帮助。

谢谢， 我

请您参考如下方法:

如果您在数据帧上执行.corr，它将产生一个相关矩阵。

在您的情况下，您只需要两个时间序列之间的相关性，您可以使用下面的代码实现这一点。请注意，时间序列的 .corr 方法需要参数 other，这是用来计算相关性的序列。

df["Input"].corr(df["Output"].shift(-1), method = 'pearson', min_periods = 1) #1 

如果您想要相关矩阵，您应该首先创建一个具有移位输出的数据框，然后计算相关性:

temp_df = pd.concat([df['Input'], df['Output'].shift(-1)], axis = 1).dropna() 
temp_df.corr(method = 'pearson', min_periods = 1)    
 
#        Input  Output 
#Input     1.0     1.0 
#Output    1.0     1.0