为什么np.corrcoef处理长度为2的向量时结果不符合预期？

原因说明 #

该现象不是np.corrcoef函数的计算bug，属于皮尔逊相关系数本身的统计特性：

• 皮尔逊相关系数的核心作用是衡量两个变量间的线性相关程度，当两组样本的所有散点完全落在同一条直线上时，相关系数就会取到边界值1（正线性相关）或-1（负线性相关）。
• 当参与计算的两个向量长度均为2时，对应二维平面上仅有两个散点，任意两个点天然可以被一条直线完全拟合，必然满足完美线性相关的条件，因此计算结果只能是±1，属于正常统计结果。

解决方法 #

根据实际场景选择对应方案即可：

• 若业务允许扩充样本：将参与计算的向量样本量提升到≥3，np.corrcoef就会返回符合预期的非边界相关系数结果。
• 若确实只有2组样本：皮尔逊相关系数在此场景下无统计参考意义，可以替换为其他相似度指标，比如余弦相似度，示例代码如下：

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

x = np.random.uniform(-10, 10, 2).reshape(1, -1)
y = np.random.uniform(-10, 10, 2).reshape(1, -1)
# 计算余弦相似度，结果不会恒为±1
print(cosine_similarity(x, y))

如果不想引入第三方库，也可以手动实现余弦相似度计算：

def cos_sim(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

x = np.random.uniform(-10, 10, 2)
y = np.random.uniform(-10, 10, 2)
print(cos_sim(x, y))

内容的提问来源于stack exchange，提问作者Puco4