Question

我正在执行以下操作：

from numpy import corrcoef
R= corrcoef(X, X, rowvar=False)

其中X的形状为（M，N）。（有M个观察，每个观察都由一个长度为N的向量组成）。我期望得到一个形状为（N，N）的数组，但是我却得到了形状为（2 * N，2 * N）的数组。任何解释将不胜感激。

Answer 1

每个NxN象限都是一个协方差矩阵。

a3 = corrcoeff(a1,a2,rowvar = False)

a1和a2的大小明显相同。

左上象限是a1的每个变量相对于a1的变化
右上象限是a1相对于a2的变化
左下方是a2相对于a1的变化
右下角是a2相对于a2的变化

如果a1和a2相同，您会发现每个象限的对角线都是一个对角线。

如果您只想查看每个变量的变化方式：

a3 = numpy.cov(a1,a1,rowvar=False)[:N,:N]

Answer 2

是的，由于某种原因，np.cov和np.corrcoef都将输入连接在一起，然后总是对连接的数组进行自动协方差。幸运的是，您不能只给出第二个数组，而是将获得第一个参数的自动协方差（由于默认y = None而已。）

R = corrcoef(X, rowvar = False)

如果您不进行自协方差，那么最好的选择是将scipy.spatial.distance.cdist与metric = 'correlation'一起使用，或者只是长时间进行计算：

X_ = X - X.mean(-1)
Y_ = Y - Y.mean(-1)
X_var = np.einsum('ij, ij -> j', X_, X_)
Y_var = np.einsum('ij, ij -> j', Y_, Y_)
R = (X_.T @ Y_) / (X_var[:, None] * Y_var)

`numpy.corrcoef`返回具有意外形状的数组

2 个答案: