Numpy 数组相关性答案

【问题标题】：Numpy Arrays CorrelationNumpy 数组相关性
【发布时间】：2014-11-03 12:10:00
【问题描述】：

我有两个变量作为 numpy 数组，我想计算 Pearson 之间的相关性。在我的情况下，相关性是随着时间的推移，每个数组都是一个时间步长。

例如：

x[0, 0, 0] 和 y[0, 0, 0] 的皮尔逊相关性，x[1, 0, 0] 和 y[1, 0, 0]...

对于每个元素。

最后我会有一个相关结果的数组。

我的数组：

>>> print x
[[[ 0  1]
  [ 2  3]
  [ 4  5]
  [ 6  7]]

 [[ 8  9]
  [10 11]
  [12 13]
  [14 15]]

 [[16 17]
  [18 19]
  [20 21]
  [22 23]]]

>>> print y
[[[10  11]
  [12  13]
  [14  15]
  [16  17]]

 [[18 19]
  [20 21]
  [22 23]
  [24 25]]

 [[26 27]
  [28 29]
  [30 31]
  [32 33]]]

【问题讨论】：

docs.scipy.org/doc/scipy/reference/generated/…
我试试这个，但它是针对一维数组的。
你能用可复制的代码展示你想要的例子吗？
至少对我来说，很难准确说出你想要的结果。尝试编写一个简短的示例，在其中以“丑陋的方式”计算您想要的结果，例如通过手动循环并每次调用 scipy 函数。 Make it copyable 正如前面的评论所说，这意味着添加导入语句、硬编码一些数据或使用 np.random 例程之一随机生成数据等。这是获得出色答案的最佳方式。

标签： python arrays numpy correlation

【解决方案1】：

对不起，E先生，如果我不清楚

我的数组尺寸是：

print (x.shape)
x = (20, 21, 22)

print (y.shape)
y = (20, 21, 22)

所以，我解决了编写以下代码的问题。

如果有人有更好的想法，请告诉我！

import numpy as np

def corr_pearson(x, y):

    """
    Compute Pearson correlation.
    """

    x_mean = np.mean(x, axis=0)
    x_stddev = np.std(x, axis=0)

    y_mean = np.mean(y, axis=0)
    y_stddev = np.std(y, axis=0)

    x1 = (x - x_mean)/x_stddev
    y1 = (y - y_mean)/y_stddev

    x1y1mult = x1 * y1

    x1y1sum = np.sum(x1y1mult, axis=0)

    corr = x1y1sum/20.

    return corr

【讨论】：