numpy.corrcoef#
- numpy.corrcoef(x, y=None, rowvar=True, bias=<no value>, ddof=<no value>, *, dtype=None)[source]#
返回皮尔逊积矩相关系数。
请参阅
cov
文档了解更多详情。相关系数矩阵 R 与协方差矩阵 C 之间的关系为\[R_{ij} = \frac{ C_{ij} } { \sqrt{ C_{ii} C_{jj} } }\]R 的值介于 -1 到 1 之间,包括两端。
- 参数:
- xarray_like
包含多个变量和观测值的 1 维或 2 维数组。 x 的每一行表示一个变量,每一列表示所有这些变量的单个观测值。另请参阅下面的 rowvar。
- yarray_like, 可选
另一组变量和观测值。 y 与 x 形状相同。
- rowvarbool, 可选
如果 rowvar 为 True(默认值),则每一行表示一个变量,观测值位于列中。否则,关系会转置:每一列表示一个变量,而行包含观测值。
- bias_NoValue, 可选
没有效果,不要使用。
从 1.10.0 版本开始弃用。
- ddof_NoValue, 可选
没有效果,不要使用。
从 1.10.0 版本开始弃用。
- dtype数据类型,可选
结果的数据类型。默认情况下,返回的数据类型至少具有
numpy.float64
精度。1.20 版本中的新增功能。
- 返回值:
- Rndarray
变量的相关系数矩阵。
另请参阅
cov
协方差矩阵
注释
由于浮点舍入,结果数组可能不是厄米特矩阵,对角元素可能不为 1,元素可能不满足不等式 abs(a) <= 1。为了尝试改善这种情况,实部和虚部被剪裁到区间 [-1, 1],但在复数情况下帮助不大。
此函数接受但会丢弃参数 bias 和 ddof。这是为了向后兼容该函数的先前版本。这些参数对函数的返回值没有影响,并且可以在此版本和先前版本的 numpy 中安全地忽略。
示例
>>> import numpy as np
在此示例中,我们生成两个随机数组
xarr
和yarr
,并计算行方向和列方向的皮尔逊相关系数R
。由于默认情况下rowvar
为真,因此我们首先找到xarr
中变量之间的行方向皮尔逊相关系数。>>> import numpy as np >>> rng = np.random.default_rng(seed=42) >>> xarr = rng.random((3, 3)) >>> xarr array([[0.77395605, 0.43887844, 0.85859792], [0.69736803, 0.09417735, 0.97562235], [0.7611397 , 0.78606431, 0.12811363]]) >>> R1 = np.corrcoef(xarr) >>> R1 array([[ 1. , 0.99256089, -0.68080986], [ 0.99256089, 1. , -0.76492172], [-0.68080986, -0.76492172, 1. ]])
如果我们添加另一组变量和观测值
yarr
,我们可以计算xarr
和yarr
中变量之间的行方向皮尔逊相关系数。>>> yarr = rng.random((3, 3)) >>> yarr array([[0.45038594, 0.37079802, 0.92676499], [0.64386512, 0.82276161, 0.4434142 ], [0.22723872, 0.55458479, 0.06381726]]) >>> R2 = np.corrcoef(xarr, yarr) >>> R2 array([[ 1. , 0.99256089, -0.68080986, 0.75008178, -0.934284 , -0.99004057], [ 0.99256089, 1. , -0.76492172, 0.82502011, -0.97074098, -0.99981569], [-0.68080986, -0.76492172, 1. , -0.99507202, 0.89721355, 0.77714685], [ 0.75008178, 0.82502011, -0.99507202, 1. , -0.93657855, -0.83571711], [-0.934284 , -0.97074098, 0.89721355, -0.93657855, 1. , 0.97517215], [-0.99004057, -0.99981569, 0.77714685, -0.83571711, 0.97517215, 1. ]])
最后,如果我们使用选项
rowvar=False
,则列现在被视为变量,我们将找到xarr
和yarr
中变量之间的列方向皮尔逊相关系数。>>> R3 = np.corrcoef(xarr, yarr, rowvar=False) >>> R3 array([[ 1. , 0.77598074, -0.47458546, -0.75078643, -0.9665554 , 0.22423734], [ 0.77598074, 1. , -0.92346708, -0.99923895, -0.58826587, -0.44069024], [-0.47458546, -0.92346708, 1. , 0.93773029, 0.23297648, 0.75137473], [-0.75078643, -0.99923895, 0.93773029, 1. , 0.55627469, 0.47536961], [-0.9665554 , -0.58826587, 0.23297648, 0.55627469, 1. , -0.46666491], [ 0.22423734, -0.44069024, 0.75137473, 0.47536961, -0.46666491, 1. ]])