Question

对我来说，np.corrcoef返回一个矩阵似乎很奇怪。

 correlation1 = corrcoef(Strategy1Returns,Strategy2Returns)

[[ 1.         -0.99598935]
 [-0.99598935  1.        ]]

有谁知道为什么会这样，是否有可能只返回一个经典意义上的值？

Answer 1

它允许您计算> 2个数据集的相关系数，例如

>>> from numpy import *
>>> a = array([1,2,3,4,6,7,8,9])
>>> b = array([2,4,6,8,10,12,13,15])
>>> c = array([-1,-2,-2,-3,-4,-6,-7,-8])
>>> corrcoef([a,b,c])
array([[ 1.        ,  0.99535001, -0.9805214 ],
       [ 0.99535001,  1.        , -0.97172394],
       [-0.9805214 , -0.97172394,  1.        ]])

这里我们可以一次得到a，b（0.995），a，c（-0.981）和b，c（-0.972）的相关系数。两个数据集的情况只是N数据集类的一个特例。并且可能保持相同的返回类型更好。由于“一个值”可以通过

简单地获得

>>> corrcoef(a,b)[1,0]
0.99535001355530017

创建特殊情况没有什么大的理由。

Answer 2

corrcoef返回规范化的协方差矩阵。

协方差矩阵是矩阵

Cov( X, X )    Cov( X, Y )

Cov( Y, X )    Cov( Y, Y )

标准化，这将产生矩阵：

Corr( X, X )    Corr( X, Y )

Corr( Y, X )    Corr( Y, Y )

correlation1[0, 0 ]是Strategy1Returns与其自身之间的相关性，必须为1.您只需要correlation1[ 0, 1 ]。

Answer 3

相关矩阵是表达任意有限数量的变量之间的相关性的标准方式。 N 数据向量的相关矩阵是具有单位对角线的对称 N × N 矩阵。只有在 N = 2的情况下，此矩阵才有一个自由参数。

Answer 4

考虑使用matplotlib.cbook作品

例如：

import matplotlib.cbook as cbook
segments = cbook.pieces(np.arange(20), 3)
for s in segments:
     print s

Answer 5

numpy的Correlate函数与你要关联的2个1D数组一起工作，并返回一个相关值。

Answer 6

您可以使用以下函数仅返回相关系数：

def pearson_r(x, y):
"""Compute Pearson correlation coefficient between two arrays."""

   # Compute correlation matrix
   corr_mat = np.corrcoef(x, y)

   # Return entry [0,1]
   return corr_mat[0,1]

为什么corrcoef返回矩阵？

6 个答案: