Question

我获得了两个要互相关的数据数组，并获得了两个数组之间的延迟长度（如果有），然后将其标准化为0到1。例如：

import numpy as np

x = [0,1,1,1,2,0,0]
y = [0,0,0,1,1,1,2]
corr = np.correlate(a,b, 'full')

norm = np.linalg.norm
normalized = corr/(norm(a)*norm(b))

返回：

[0.0, 0.0, 0.29, 0.43, 0.57, 1.0, 0.57, 0.43, 0.29, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]

问题是：我需要关联两个图形，并且X数组不是常规的（两个数组也不相同，只有一些y值链接到某些x值），所以我在插入数据之前与scipy.interpolate.interp1d的相关性，并在我的数组中产生NaN条目。此时，相关函数仅返回NaN

例如：

import numpy as np

x = [0,1,1,1,2,0,np.nan]
y = [np.nan,0,0,1,1,1,2]
corr = np.correlate(a,b, 'full')

norm = np.linalg.norm
normalized = corr/(norm(a)*norm(b))

返回：

[nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan]

我终于明白我得到这个是因为norm（a）得出NaN，我的问题是：我怎么能不理会那些NaN值，是否有更好的方法来交叉关联两个数组？我已经测试过将interp1d与fill_value='extrapolate'一起运行，但这会在相关性计算中引起问题。我可以传递给fill_value的另一个值将“忽略”数据中的缺失值吗？

此外，np.correlate(x,y)返回NaN，但是如果我们查看np.correlate(x,y,'full')实际上返回[ 0. 0. 2. 3. 4. 7. 4. nan nan nan nan nan nan nan nan]，为什么numpy会将NaN作为最大值？

Answer 1

首先，将NAN值替换为其余元素的均值或众数模式。这是最幼稚的技术。如何与NAN合作可能是一个完全不同的问题。为此，您可以使用np.nanmean()。

Numpy的相关因素不是您想要的。

摘自文档：

两个一维序列的互相关。

此函数计算信号中通常定义的相关性   处理文字：

c_ {av} [k] = sum_n a [n + k] * conj（v [n]）

您应该看一下Pearson相关系数，它是两个变量X和Y之间线性相关性的度量。

from scipy.stats.stats import pearsonr   

x = [0,1,1,1,2,0,np.nan]
y = [np.nan,0,0,1,1,1,2]
corr = pearsonr(x,y, 'full')

或者您也可以使用

numpy.corrcoef(x,y)

返回一个二维数组，解释两个（或多个）数组之间的对应关系。

Python-两个数组的交叉相关，其中包含nan项

1 个答案: