pandas.DataFrame corrwith（）方法
问题内容：
我最近开始与一起工作pandas。谁能解释我.corrwith()与Series和在功能行为上的差异DataFrame？
假设我有一个DataFrame：
frame = pd.DataFrame(data={'a':[1,2,3], 'b':[-1,-2,-3], 'c':[10, -10, 10]})
我想计算特征“ a”与所有其他特征之间的相关性。我可以通过以下方式做到这一点：
frame.drop(labels='a', axis=1).corrwith(frame['a'])
结果将是：
b -1.0
c 0.0
但是非常相似的代码：
frame.drop(labels='a', axis=1).corrwith(frame[['a']])
生成绝对不同且不可接受的表：
a NaN
b NaN
c NaN
所以，我的问题是：为什么在DataFrame第二个参数的情况下，我们得到如此奇怪的输出？
问题答案：
我认为您要寻找的是：
假设您的框架是：
frame = pd.DataFrame(np.random.rand(10, 6), columns=['cost', 'amount', 'day', 'month', 'is_sale', 'hour'])
您希望'cost'和'amount'列与每种组合中的所有其他列相关联。
focus_cols = ['cost', 'amount']
frame.corr().filter(focus_cols).drop(focus_cols)
回答您的问题：
计算两个DataFrame对象的行或列之间的成对关联。
参数：
其他 ：DataFrame
轴：{0或“索引”，1或“列”}，
默认值0
0或’index’用于计算按列，1或’columns’用于按行删除：布尔值，默认False从结果中删除缺少的索引，默认返回所有并集的返回：correls：Series
corrwith同样表现于add，sub，mul，div，它希望找到一个DataFrame或Series在被传递other，尽管文档只是说DataFrame。
当other是Series它的广播沿着指定的轴那个系列和火柴axis，默认值为0。这就是为什么以下工作：
frame.drop(labels='a', axis=1).corrwith(frame.a)
b -1.0
c 0.0
dtype: float64
当other为时DataFrame，它将与指定的轴匹配axis并关联由另一轴标识的每一对。如果我们这样做：
frame.drop('a', axis=1).corrwith(frame.drop('b', axis=1))
a NaN
b NaN
c 1.0
dtype: float64
仅c存在共同点，并且仅c计算了其相关性。
在您指定的情况下：
frame.drop(labels='a', axis=1).corrwith(frame[['a']])
frame[['a']]是DataFrame由于的原因，[['a']]现在按DataFrame规则运行，其中的列必须与其关联的内容匹配。但是你明确地下降a，从第一帧，然后用相关DataFrame一无所有a。结果适用NaN于每一列。
