如何遍历二维数组校验元素与两个一维数组乘积以判定变量独立性

前置对齐检查（最容易踩的根源性坑） #

在写遍历循环之前，必须先确认三个数组的映射关系正确，否则整个校验逻辑从根源上就是错的：

• 二维联合数组h的形状为(R, C)：代表R个x的取值档位，C个y的取值档位，h[i][j]的物理含义是x取第i档、y取第j档的联合概率密度ρ(x=i, y=j)
• x维度的边缘数组n的长度必须等于R：每一个n[i]对应x取第i档的边缘概率密度ρ(x=i)
• y维度的边缘数组m的长度必须等于C：每一个m[j]对应y取第j档的边缘概率密度ρ(y=j)
• 快速校验映射是否正确的方法：对h按行求和得到的数组和n做对比，对h按列求和得到的数组和m做对比。如果这两组值的偏差很大，说明边缘和联合的维度根本没对齐，不用往下做遍历。

核心两层遍历流程 #

严格按照“所有位置都满足独立等式才判定独立”的规则，遍历逻辑的结构非常直接：

• 外层循环逐行遍历x的所有取值，行索引为i，取值范围是0 ~ R-1
• 内层循环逐列遍历y的所有取值，列索引为j，取值范围是0 ~ C-1
• 对每一个(i,j)位置，计算独立条件下的理论联合值：expect = n[i] * m[j]
• 对比当前位置的实际联合值h[i][j]和理论值expect的偏差，只要存在一个位置偏差超过允许范围，就直接判定两个变量不独立，不用继续遍历剩余位置。

必须注意的实现细节 #

绝对不能直接用浮点数相等做判断 #

所有概率密度的计算都存在浮点误差，直接写h[i][j] == n[i] * m[j]几乎一定会得到错误结果。

正确的判断逻辑是设置一个可调整的相对误差阈值，比如1e-6，只有当两者的相对偏差超过阈值时，才判定为不满足等式。
相对偏差的计算参考：
abs(h[i][j] - n[i] * m[j]) / max(abs(h[i][j]), abs(n[i] * m[j]))
对于理论值接近0的极端情况，直接判断实际值是否在0的邻域范围内即可，避免除以0的问题。

参考实现代码 #

# 根据你的数据精度调整允许的相对误差
TOLERANCE = 1e-6
is_independent = True

# 先做前置维度校验
if not h:
    is_independent = False
else:
    R, C = len(h), len(h[0])
    if len(n) != R or len(m) != C:
        print("边缘数组和联合数组的维度映射不匹配")
        is_independent = False

if is_independent:
    for i in range(R):
        for j in range(C):
            actual_joint = h[i][j]
            expected_joint = n[i] * m[j]
            # 处理理论值接近0的情况
            if expected_joint < 1e-12:
                if actual_joint > 1e-12:
                    is_independent = False
                    break
                continue
            # 计算相对偏差
            rel_diff = abs(actual_joint - expected_joint) / expected_joint
            if rel_diff > TOLERANCE:
                is_independent = False
                break
        # 内层循环跳出后直接结束外层遍历，不用计算剩余位置
        if not is_independent:
            break

性能优化提示 #

如果联合数组的规模非常大（比如上万行上万列），逐元素循环的效率会很低。本质的校验逻辑不变，但可以用向量化运算替代双层循环：把x的边缘数组n转成列向量、y的边缘数组m转成行向量，做广播乘法得到和h同形状的理论值矩阵，直接一次性计算所有位置的偏差，比纯循环的速度快几个数量级。

内容的提问来源于stack exchange，提问作者Sam Elm