Scipy多元正态分布PDF报错：mean数组长度不符问题排查

问题背景 #

用户实现了一个计算似然密度的函数lhd，预期输入两个长度为7的向量x0、x1，函数内部构造了长度为7的均值向量(1-dt)*x0和7×7的协方差矩阵2*dt*np.identity(d)，但调用multivariate_normal.pdf时触发错误：

ValueError: Array 'mean' must be a vector of length 49.

用户疑惑该错误不符合多元正态PDF的公式逻辑，希望找到问题根源。

涉事代码 #

def lhd(x0, x1, dt): # 定义函数，根据两个输入值计算似然密度
    d = len(x0) # 记录输入长度，用于后续PDF参数
    print(d)
    print(len(x1))
    lh = multivariate_normal.pdf(x1, mean=(1-dt)*x0, cov=2*dt*np.identity(d)) # 基于x0构造多元正态分布，计算x1对应的PDF值
    return lh # 返回PDF值

错误根源 #

这个错误的核心问题是你传入的x1并非预期的一维长度7向量，而是总元素数为49的二维数组（比如7×7的矩阵）。

multivariate_normal.pdf的参数逻辑是：

• 如果输入的样本x是一维数组，会被视为单个d维样本，此时要求均值mean的长度等于d，协方差矩阵是d×d的方阵。
• 如果x是二维数组，每行被视为一个d维样本（形状为(n,d)），此时均值可以是长度d的向量（所有样本共享同一均值），或是(n,d)的数组（每个样本对应单独均值）。

但如果x1是7×7的二维数组，numpy会默认将其展平为长度49的一维数组，此时函数会误认为这是一个49维的单样本，因此要求均值向量的长度也必须是49，而你构造的均值向量只有7个元素，维度不匹配就触发了报错。

解决方法 #

1. 检查输入维度：确保传入的x0和x1都是一维数组（形状为(7,)），而非二维矩阵。
2. 强制转换维度：可以在函数内部添加代码，将输入统一转换为一维数组，避免维度问题：

def lhd(x0, x1, dt):
    # 将输入转换为一维numpy数组
    x0 = np.asarray(x0).flatten()
    x1 = np.asarray(x1).flatten()
    d = len(x0)
    # 校验输入长度一致
    assert len(x1) == d, "x0和x1的长度必须相同"
    lh = multivariate_normal.pdf(x1, mean=(1-dt)*x0, cov=2*dt*np.identity(d))
    return lh

内容的提问来源于stack exchange，提问作者Ria Dunn