pandas 面试题挑战八

求两个Series的相关性

现有两个Series如下：

import pandas as pd

s1 = pd.Series([.2, .0, .6, .2])
s2 = pd.Series([.3, .6, .0, .1])

求两个Series的皮尔逊系数

 

 解决方法就是把Series当成是一个向量去处理，如下：

s1.corr(s2)

输出

code:-0.85106449634699

Series数据的上移动与下移动

现有数据如下：

import pandas as pd 
sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow']) 
didx = pd.date_range(start ='2014-08-01 10:00', freq ='W',  
                     periods = 6, tz = 'Europe/Berlin')  
sr.index = didx 
print(sr) 

输出如下：

2014-08-03 10:00:00+02:00    New York
2014-08-10 10:00:00+02:00     Chicago
2014-08-17 10:00:00+02:00     Toronto
2014-08-24 10:00:00+02:00      Lisbon
2014-08-31 10:00:00+02:00         Rio
2014-09-07 10:00:00+02:00      Moscow
Freq: W-SUN, dtype: object

把数据向下移动两行，解决方法如下：

sr.shift(periods = 2) 

输出

2014-08-03 10:00:00+02:00         NaN
2014-08-10 10:00:00+02:00         NaN
2014-08-17 10:00:00+02:00    New York
2014-08-24 10:00:00+02:00     Chicago
2014-08-31 10:00:00+02:00     Toronto
2014-09-07 10:00:00+02:00      Lisbon
Freq: W-SUN, dtype: object

现有数据如下：

import pandas as pd 

sr = pd.Series(['New York', 'Chicago', 'Toronto', 'Lisbon', 'Rio', 'Moscow']) 
didx = pd.date_range(start ='2014-08-01 10:00', freq ='W',  
                     periods = 6, tz = 'Europe/Berlin')  
sr.index = didx 
print(sr) 

输出：

2014-08-03 10:00:00+02:00    New York
2014-08-10 10:00:00+02:00     Chicago
2014-08-17 10:00:00+02:00     Toronto
2014-08-24 10:00:00+02:00      Lisbon
2014-08-31 10:00:00+02:00         Rio
2014-09-07 10:00:00+02:00      Moscow
Freq: W-SUN, dtype: object

把数据向上移动两行，解决方法如下：

sr.shift(periods = -2) 

输出

2014-08-03 10:00:00+02:00    Toronto
2014-08-10 10:00:00+02:00     Lisbon
2014-08-17 10:00:00+02:00        Rio
2014-08-24 10:00:00+02:00     Moscow
2014-08-31 10:00:00+02:00        NaN
2014-09-07 10:00:00+02:00        NaN
Freq: W-SUN, dtype: object

 

 

序列的自相关

自相关系数
平稳序列的自相关系数会快速收敛，从哪一阶开始快速收敛（忽然从一个较大的值降到0附近）就说明是哪一阶模型，例如自相关函数图拖尾，偏自相关函数图截尾，n从2或3开始控制在置信区间之内，因而可判定为AR(2)模型或者AR(3)模型。 如果你不懂时间序列是啥就别看这段了，这需要你系统的学习时间序列。

现有数据如下：

import pandas as pd 
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None]) 
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='H') 
sr.index = index_ 
print(sr) 

输出：

2010-10-09 08:45:00    11.0
2010-10-09 09:45:00    21.0
2010-10-09 10:45:00     8.0
2010-10-09 11:45:00    18.0
2010-10-09 12:45:00    65.0
2010-10-09 13:45:00    18.0
2010-10-09 14:45:00    32.0
2010-10-09 15:45:00    10.0
2010-10-09 16:45:00     5.0
2010-10-09 17:45:00    32.0
2010-10-09 18:45:00     NaN
Freq: H, dtype: float64

求该Series的自相关系数

result = sr.autocorr() 
result

输出：

result:-0.13907359397344918

 

result:-0.13907359397344918

如果你没学过时间序列，还非得想知道啥事autocorr，那好吧，我看了一下源码，其实autocorr就是

result = sr.corr(sr.shift())
result

输出：