Question

当常量列表传递给corrcoef函数时，来自numpy的{{1}}似乎会抛出运行时警告，例如下面的代码会抛出警告：

corrcoef()

警告：

import numpy as np
X = [1.0, 2.0, 3.0, 4.0]
Y = [2, 2, 2, 2]
print(np.corrcoef(X, Y)[0, 1])

任何人都可以解释为什么当其中一个列表不变时它会抛出此错误，以及如何在将常量列表传递给函数时防止此错误。

Answer 1

相关性衡量两个向量在变化时相互跟踪的程度。当一个向量没有改变时，你无法跟踪相互的变化。

如OP评论中所述，Pearson的乘积矩相关系数的formula将X和Y的协方差除以其标准偏差的乘积。由于Y在您的示例中的方差为零，因此其标准偏差也为零。这就是为什么你得到true_divide错误 - 你试图除以零。

注意：从工程角度来看，在Y中的一个条目上添加一个非常小的数量（例如，机器epsilon上方的值），这似乎很诱人，以便绕过零分裂问题。但这在统计上并不可行。即使添加1e-15，也会严重扰乱相关系数，具体取决于您将其添加到的值。

考虑这两种情况之间的区别：

X = [1.0, 2.0, 3.0, 4.0]

tiny = 1e-15

# add tiny amount to second element
Y1 = [2., 2.+tiny, 2., 2.]
np.corrcoef(X, Y1)[0, 1] 
-0.22360679775

# add tiny amount to fourth element
Y2 = [2., 2., 2., 2.+tiny]
np.corrcoef(X, Y2)[0, 1]
0.67082039325

这对统计学家来说可能是显而易见的，但考虑到问题的性质，这似乎是一个相关的警告。

Python numpy.corrcoef（）RuntimeWarning：在true_divide中遇到无效值c / = stddev [：，None]

1 个答案: