python/pandas/numpy数据分析(十一)-相关系数与协方差

axis=0和1分别的表格的纵轴和横轴

最浅显易懂的协方差与标准差

有些汇总信息是通过参数对计算出来的

import pandas.io.data as web

import numpy as np

import os

import pandas as pd

from pandas import Series,DataFrame

import matplotlib.pyplot as plt


all_data={}
for ticker in [GOOG,IBM]:
    all_data[ticker]=web.get_data_yahoo(ticker,9/9/2016,12/12/2016)

# price=DataFrame({tic:data[Adg Close] 
#                 for tic,data in all_data.items()})
volume=DataFrame({tic:data[Volume]
                for tic,data in all_data.items()})

# volume.tail()
returns=volume.pct_change()
returns.tail()

# px=web.DataReader(F-F_Research_Data_factors,famafrench)
# px.tail()

注意，有些数据源已经变更. 可以参考：

ct_change 计算百分数变化

Series的corr方法用于计算两个Series中重叠的，非NA的，按索引对其的值得相关系数. cov用于计算协方差

returns.GOOG.corr(returns.IBM)
0.6680384656565751

returns.GOOG.cov(returns.IBM)
0.12451587226637535

DataFrame的corr和cov方法将以DataFrame的形式返回完整的相关系数或者协方差矩阵.

returns.corr()

returns.cov()

利用DataFrame.corrwith方法可以计算其列或者行跟另一个Series后者DataFrame之间的相关系数.