使用任意数量的变量计算相关矩阵的 Python 函数答案

【问题标题】：A Python function to calculate correlation matrix using the arbitrary number of variables使用任意数量的变量计算相关矩阵的 Python 函数
【发布时间】：2021-04-27 08:32:34
【问题描述】：

Python 中是否有一个函数可以使用任意数量的 Numpy 数组计算 (Pearson) 相关矩阵，同时处理这些数组中的 NaN？

import numpy as np
import numpy.ma as ma
a = np.random.random(10)
b = np.random.random(10)
c = np.random.random(10)
a[np.random.randint(0, 10, 2)] = np.nan
b[np.random.randint(0, 10, 2)] = np.nan
c[np.random.randint(0, 10, 2)] = np.nan
ma.corrcoef(ma.masked_invalid(a), ma.masked_invalid(b))

ma.corrcoef() 与我要找的很接近，但它只需要两个数组； ma.corrcoef(ma.masked_invalid(a), ma.masked_invalid(b)) 的结果与ma.corrcoef(ma.masked_invalid(a), ma.masked_invalid(b), , ma.masked_invalid(c)) 相同。我想传递许多数组并创建相关矩阵。例如，a_ideal_function(array1, array2, array3, array4, ..., arrayN) 将创建一个大小为 NxN 的相关矩阵。

另外...

我的阵列将是一维的。
我知道pandas.DataFrame().corr() 会做到这一点，但我想使用numpy.Array() 做到这一点，以保证运行时间。

【问题讨论】：

标签： python numpy correlation

【解决方案1】：

我建议在 [ ] 中传递三个 'numpy.ma.core.MaskedArray' 元素，这将按预期输出一个 3x3 相关矩阵。

具体来说，就是这段代码。

ma.corrcoef([ma.masked_invalid(a), ma.masked_invalid(b),ma.masked_invalid(c)])

【讨论】：

谢谢。我在根据您的建议制作函数时遇到问题；我会通过另一个问题问。