用 Numpy 计算相关系数

Question

我有一个值列表和一个一维 numpy 数组，我想使用 numpy.corrcoef(x,y,rowvar=0) 计算相关系数。我收到以下错误：

Traceback (most recent call last):
File "testLearner.py", line 25, in <module>
corr = np.corrcoef(valuesToCompare,queryOutput,rowvar=0)
File "/usr/local/lib/python2.6/site-packages/numpy/lib/function_base.py", line 2003,  in corrcoef
c = cov(x, y, rowvar, bias, ddof)
File "/usr/local/lib/python2.6/site-packages/numpy/lib/function_base.py", line 1935, in cov
X = concatenate((X,y), axis)
ValueError: array dimensions must agree except for d_0

我打印出我的 numpy 数组的形状并得到 (400,1)。当我使用 numpy.asarray(y) 将列表转换为数组时，我得到 (400,)!

我相信这是问题所在。我做了一个array.reshape 到(400,1) 并打印出形状，我仍然得到(400,)。我错过了什么？

提前致谢。

Answer 1

我想你可能已经假设reshape 修改了原始数组的值。它没有：

>>> a = np.random.randn(5)
>>> a.shape
(5,)
>>> b = a.reshape(5,1)
>>> b.shape
(5, 1)
>>> a.shape
(5,)

---

np.asarray 将常规列表视为 1d 数组，但您所说的 1d 原始 numpy 数组实际上是 2d（因为它的形状是 (400,1)）。如果您想像使用二维数组一样使用列表，有两种简单的方法：

• np.asarray(lst).reshape((-1, 1)) – -1 表示该维度“需要多少”。
• np.asarray([lst]).T - .T 表示数组转置，从(1,5) 切换到(5,1)。-

您还可以通过 ary.reshape((-1,)) 将原始数组重新整形为 1d。