如何计算DataFrame中各国逐年相关系数，生成21个72×72相关矩阵

你之前的所有尝试出错的核心原因是混淆了Series.corr()和DataFrame.corr()的用法：

• Series.corr(other)：用于计算两个一维序列的相关系数，返回单个数值，必须传入第二个序列作为参数
• DataFrame.corr()：用于计算DataFrame所有列两两的相关系数，返回n×n的矩阵（n为列数）

错误原因梳理 #

1. 前两种尝试：你每次取dfpivot[x]得到的是单年份的72个国家值，属于Series类型，直接调用corr()没有传入第二个对比序列，所以报缺少参数的错误。
2. 第三种尝试：你传入的对比序列是同一列，自身和自身计算相关系数结果自然全为1。
3. 第四种尝试：你每次都是拿两个单年份的Series计算相关，返回单个数值，所以最终字典里只存储了每个年份的单个相关值，没有得到矩阵。

正确实现代码 #

你只需要把原DataFrame转置，让年份作为行、国家作为列，每次取相邻两年的两行数据调用corr()即可得到72×72的相关矩阵：

import pandas as pd

# 先转置原数据，转置后形状为(22,72)，行是年份，列是国家
df_T = dfpivot.T

# 存储结果的字典，key为对应当年的年份，value为72×72相关矩阵
corr_matrices = {}

# 遍历所有相邻年份对，共21组
for idx in range(1, len(df_T)):
    # 取前一年和当年的两行数据
    two_year_slice = df_T.iloc[[idx-1, idx]]
    # 计算相关矩阵，可根据需要加min_periods参数处理空值
    curr_matrix = two_year_slice.corr(min_periods=1)
    # 存入字典，用当年的年份作为key
    curr_year = df_T.index[idx]
    corr_matrices[curr_year] = curr_matrix

如果对空值处理有特殊要求，可以调整corr()方法的参数适配你的场景。

内容的提问来源于stack exchange，提问作者Bigboss01