Python计算Mahalanobis距离异常：结果全部相等且数值过大的问题

核心问题定位方向 #

以下是导致所有行距离结果相等、数值偏大的常见原因及解决方法：

1. 误用相关系数矩阵替代协方差矩阵 #

马氏距离的计算依赖协方差矩阵的逆，而非相关系数矩阵。如果代码中错误使用df.corr()获取相关系数矩阵，会彻底偏离正确结果，尤其在数据量纲差异大或相关性极弱时，容易出现所有距离相等的情况。

• 错误代码示例：

  cov_matrix = df.corr()  # 错误：用了相关系数矩阵
  inv_cov_matrix = np.linalg.inv(cov_matrix)
  

• 修正写法：

  cov_matrix = df.cov()  # 正确：使用协方差矩阵
  inv_cov_matrix = np.linalg.inv(cov_matrix)
  

2. 协方差矩阵奇异导致伪逆异常 #

当数据相关性极弱且样本量不足时，协方差矩阵可能接近奇异（行列式趋近于0）。此时直接求逆会触发报错，若使用伪逆（如np.linalg.pinv），可能输出所有样本距离相等的异常结果。

• 验证方式：打印协方差矩阵的行列式，判断是否接近0：

  print(np.linalg.det(cov_matrix))
  

• 解决方法：增加样本量，或对数据做PCA降维后再计算马氏距离。

3. 向量维度与矩阵乘法不匹配 #

马氏距离公式为 $D^2 = (x - μ)^T Σ^{-1} (x - μ)$，其中$x$是单样本行向量，$μ$是均值行向量。若代码中向量转置方向错误、或广播维度不匹配，会导致所有样本计算出相同的距离值。

• 检查要点：确保x - mean的形状与逆协方差矩阵的乘法维度兼容，例如：

  mean = df.mean().values.reshape(1, -1)  # 转为行向量
  x_minus_mean = row.values.reshape(1, -1) - mean
  mahalanobis_dist = np.sqrt(np.dot(np.dot(x_minus_mean, inv_cov_matrix), x_minus_mean.T))
  

4. 遗漏均值中心化步骤 #

如果计算时未减去均值向量，公式变为 $x^T Σ^{-1} x$，当数据各维度均值差异大且协方差矩阵逆的特性导致结果趋同时，会出现所有距离相等的情况。必须确保每一步都先做x - mean的中心化处理。

5. 数据量纲差异过大导致数值异常 #

若数据各维度数值范围差异极大，协方差矩阵的逆矩阵元素会被数值大的维度主导，导致距离值异常偏大。这种情况下可先对数据做标准化处理（StandardScaler），再计算协方差矩阵（此时协方差矩阵等价于相关系数矩阵），但需注意标准化后马氏距离的含义会发生变化。

内容的提问来源于stack exchange，提问作者Antonio Piemontese