我有一个 Pandas Python 数据帧 (342, 342),其中包含一个大型的相关矩阵。
如何计算上三角中所有数字的平均值、标准差等统计指标,但不包括对角线上的数字 1?
谢谢。
另一个可能的一行回答:
In [1]: corr
Out[1]:
a b c d e
a 1.000000 0.022246 0.018614 0.022592 0.008520
b 0.022246 1.000000 0.033029 0.049714 -0.008243
c 0.018614 0.033029 1.000000 -0.016244 0.049010
d 0.022592 0.049714 -0.016244 1.000000 -0.015428
e 0.008520 -0.008243 0.049010 -0.015428 1.000000
In [2]: corr.values[np.triu_indices_from(corr.values,1)].mean()
Out[2]: 0.016381
编辑:添加了性能指标
我的解决方案的性能:
In [3]: %timeit corr.values[np.triu_indices_from(corr.values,1)].mean()
10000 loops, best of 3: 48.1 us per loop
Theodros Zelleke的一行解决方案的性能:
In [4]: %timeit corr.unstack().ix[zip(*np.triu_indices_from(corr, 1))].mean()
1000 loops, best of 3: 823 us per loop
In [5]: def method1(df):
...: df2 = df.copy()
...: df2.values[np.tril_indices_from(df2)] = np.nan
...: return df2.unstack().mean()
...:
In [5]: %timeit method1(corr)
1000 loops, best of 3: 242 us per loop
这有点有趣。我不能保证这是真正的pandas-fu;我自己还处于学习numpy和更好索引的阶段。话虽如此,像这样做应该能完成任务。
首先,我们制作一个玩具相关矩阵来玩:
>>> import pandas as pd
>>> import numpy as np
>>> frame = pd.DataFrame(np.random.randn(1000, 5), columns=['a', 'b', 'c', 'd', 'e'])
>>> corr = frame.corr()
>>> corr
a b c d e
a 1.000000 0.022246 0.018614 0.022592 0.008520
b 0.022246 1.000000 0.033029 0.049714 -0.008243
c 0.018614 0.033029 1.000000 -0.016244 0.049010
d 0.022592 0.049714 -0.016244 1.000000 -0.015428
e 0.008520 -0.008243 0.049010 -0.015428 1.000000
我们首先做一份拷贝,然后使用tril_indices_from函数获取下三角矩阵的索引并用它来进行掩码操作:
>>> c2 = corr.copy()
>>> c2.values[np.tril_indices_from(c2)] = np.nan
>>> c2
a b c d e
a NaN 0.06952 -0.021632 -0.028412 -0.029729
b NaN NaN -0.022343 -0.063658 0.055247
c NaN NaN NaN -0.013272 0.029102
d NaN NaN NaN NaN -0.046877
e NaN NaN NaN NaN NaN
>>> c2.unstack().mean()
-0.0072054178481488901
>>> c2.unstack().std()
0.043839624201635466
frame
)。 - DSM