dask.array.corrcoef

dask.array.corrcoef¶

dask.array.corrcoef(x, y=None, rowvar=1)[源代码]¶

返回皮尔逊积矩相关系数。

此文档字符串是从 numpy.corrcoef 复制的。

Dask 版本可能存在一些不一致性。

更多详情请参阅 cov 的文档。相关系数矩阵 R 和协方差矩阵 C 之间的关系是

\[R_{ij} = \frac{ C_{ij} } { \sqrt{ C_{ii} C_{jj} } }\]

R 的值在 -1 到 1 之间，包括 -1 和 1。

参数

xarray_like: 一个包含多个变量和观测值的1维或2维数组。x 的每一行代表一个变量，每一列代表所有这些变量的一个单独观测值。另见下面的 rowvar。
y类似数组, 可选: 一组额外的变量和观测值。y 与 x 具有相同的形状。
rowvarbool, 可选: 如果 rowvar 为 True（默认），那么每一行代表一个变量，观察值在列中。否则，关系被转置：每一列代表一个变量，而行包含观察值。
偏见_NoValue, 可选 (Dask 不支持): 无效，请勿使用。

1.10.0 版后已移除.
ddof_NoValue, 可选 (Dask 不支持): 无效，请勿使用。

1.10.0 版后已移除.
dtype数据类型, 可选 (在Dask中不支持): 结果的数据类型。默认情况下，返回的数据类型将至少具有 numpy.float64 精度。

1.20 新版功能.

返回

Rndarray: 变量的相关系数矩阵。

参见

cov: 协方差矩阵

注释

由于浮点数舍入，生成的数组可能不是厄米特矩阵，对角元素可能不是1，并且元素可能不满足不等式 abs(a) <= 1。实部和虚部被裁剪到区间 [-1, 1] 以尝试改善这种情况，但在复数情况下帮助不大。

此函数接受但忽略参数 bias 和 ddof。这是为了与该函数先前版本的向后兼容性。这些参数对函数的返回值没有影响，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  

在这个例子中，我们生成了两个随机数组，xarr 和 yarr，并计算了行向和列向的皮尔逊相关系数，R。由于 rowvar 默认是 true，我们首先找到 xarr 变量之间的行向皮尔逊相关系数。

>>> 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，列现在被视为变量，我们将在 xarr 和 yarr 的变量之间找到列方向的皮尔逊相关系数。

>>> 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.        ]])

dask.array.copysign

dask.array.cos