使用np.corrcoef计算数组相关系数报错：拼接轴维度不匹配

错误原因 #

np.corrcoef 默认参数 rowvar=True，意味着每行代表一个变量，每列代表一次观测。你的x是(536,9)，即536次观测、9个变量；y是(536,)，即536次观测。直接传入时，numpy会把x按行视为9个变量（每行长度9），y被当作1个变量但长度是536，拼接时维度不匹配，导致报错。

两种可行解决方案 #

方案1：设置rowvar=False，同时将y转为二维数组 #

将rowvar设为False，表示每列代表一个变量，每行代表一次观测，同时把y从一维数组转为(536,1)的二维数组，和x的行维度匹配：

import numpy as np

# 假设x和y已定义
y_2d = y.reshape(-1, 1)  # 转为(536,1)
corr_matrix = np.corrcoef(x, y_2d, rowvar=False)

此时得到的相关系数矩阵是(10,10)，前9行9列是x各特征间的相关系数，最后一行/列是每个特征与y的相关系数。

方案2：转置x，调整y的形状为行向量 #

保持rowvar=True默认值，将x转置为(9,536)（9个变量，536次观测），y转为(1,536)的行向量：

import numpy as np

x_transposed = x.T  # 转为(9,536)
y_row = y.reshape(1, -1)  # 转为(1,536)
corr_matrix = np.corrcoef(x_transposed, y_row)

得到的结果和方案1一致，只是矩阵的行/列顺序对应转置后的变量顺序。

提取特征与y的相关系数 #

如果只需要x每个特征和y的相关系数，可以直接从结果中提取：

# 方案1/2通用提取方式
feature_y_corr = corr_matrix[:9, 9]

内容的提问来源于stack exchange，提问作者the.lotuseater