Question

我正在尝试使用NumPy 1.8.0和Python 2.7.3将MATLAB / Octave程序移植到Python。我已经使用this reference作为帮助将MATLAB函数转换为NumPy方法取得了巨大成功，直到我想要计算两个矩阵之间的相关性为止。

第一个矩阵是40000x25浮点数，第二个矩阵是40000x1个整数。在Octave中，我使用语句corr(a,b)并获得25x1的浮点矩阵。在NumPy（numpy.correlate(a,b)）中尝试相应的方法会产生错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Python/2.7/site-packages/numpy-1.8.0.dev_1a9aa5a_20130415-py2.7-macosx-10.8-intel.egg/numpy/core/numeric.py", line 751, in correlate
  return multiarray.correlate2(a,v,mode)
ValueError: object too deep for desired array

如果我更改代码以计算a的每列的相关性，我可以使用它，如下所示：

for i in range(25):
    c2[i] = numpy.correlate(a[:,i], b)

但是，c2数组中的值与Octave的输出不同。 Octave返回一个25x1的浮点矩阵，小于1.我从NumPy得到的值是-270到900之间的浮点数。

我试图理解这两种算法在幕后做了什么但却失败了。有人可以指出我的逻辑失败吗？

Answer 1

似乎存在numpy.corrcoef，其根据需要计算相关系数。但是，它的界面与Octave / Matlab corr不同。

首先，默认情况下，该函数将行视为变量，列为观察。为了模仿Octave / Matlab的行为，你可以传递一个反转它的标志。

另外，根据this answer，numpy.cov函数（corrcoef在内部使用，我假设）返回一个2x2矩阵，每个矩阵包含一个特定的协方差：

cov(a,a)  cov(a,b)

cov(a,b)  cov(b,b)

正如他指出的那样，[0][1]元素是您cov(a,b)所需的元素。因此，也许这样的事情会起作用：

for i in range(25):
    c2[i] = numpy.corrcoef(a[:,i], b, rowvar=0)[0][1]

作为参考，以下是您尝试过的两个功能的摘录。似乎他们执行完全不同的事情。

八度：

- 功能文件：corr（x，y）

计算相关系数矩阵。

如果x和y的每一行都是观察，并且每列是a   变量，然后corr（x，y）的第（i，j）项是相关性   在x中的第i个变量和y中的第j个变量之间。
      corr (x,y) = cov (x,y) / (std (x) * std (y))
如果使用一个参数调用，则计算corr（x，x），列之间的相关性 x。

和Numpy：

numpy.correlate（a，v，mode ='valid'，old_behavior = False）[来源]

两个1维序列的互相关。

此函数计算通常在信号中定义的相关性   处理文本：
z[k] = sum_n a[n] * conj(v[n+k])
a和v序列在必要时为零填充，而conj为共轭。

MATLAB / Octave corr和Python numpy.correlate有什么区别？

1 个答案: