Python计算相关性系数报错ValueError：数组维度不匹配求助

我来帮你分析问题根源，以及给出修复方案：

错误原因拆解 #

你遇到的ValueError本质是参与相关性计算的两个数组维度/长度不匹配，具体来自这几个代码问题：

• 你对x执行了np.array(x).astype(np.float)转换，但没有把转换后的结果赋值回x，所以x始终是字符串类型的列表，不是可用于计算的数值数组。
• 循环里错误使用了x[i]和da[i]：x是当前循环截取的67个元素的片段，x[i]只是这个片段里的第i个单个元素（字符串），而da[i]是包含67个数值的数组，两者长度完全不一致，自然无法计算相关性。
• 多余的np.array(da).astype(np.float)没有赋值，不过这一步其实没必要，因为da里的元素已经是np.loadtxt加载的数值数组。

修正后的代码 #

下面是修复后的完整代码，我标注了关键修改点：

import pandas as pd
import numpy as np
import seaborn
import scipy
import matplotlib.pyplot as plt

da = []
outputFile = open("core.txt", "w")
f = open('17059output.txt', "r")
lines = f.readlines()

for i in range(0, 28):
    # 1. 截取x的片段并转换为数值数组，赋值回x
    x_segment = lines[6 + (24*i) : 73 + (24*i)]
    x = np.array(x_segment).astype(np.float)
    
    # 2. 加载对应da文件并添加到列表
    da_array = np.loadtxt(f'17059-2016-{i+1}-{i+4}.txt', delimiter=",", usecols=2)
    da.append(da_array)
    
    # 3. 计算整个x数组和当前da数组的相关性系数
    # corrcoef返回相关矩阵，[0,1]位置是两个变量的相关系数
    corr_matrix = np.corrcoef(x, da[i])
    corr_coefficient = corr_matrix[0, 1]
    
    print(f"第{i+1}组数据：")
    print(f"x数组长度：{len(x)}，da数组长度：{len(da[i])}")
    print(f"相关性系数：{corr_coefficient}\n")
    
    # 将结果写入文件
    outputFile.write(f"{i} - 相关性系数：{corr_coefficient}\n")

# 关闭文件释放资源
f.close()
outputFile.close()

关键修改说明 #

• 显式将截取的字符串片段转换为数值数组并赋值，确保x是可用于计算的数值类型。
• 直接使用整个x数组和da[i]数组计算相关性，保证两者长度一致（都是67个元素）。
• 从corrcoef返回的相关矩阵中提取实际的相关系数（[0,1]位置），而非直接打印矩阵。
• 添加了文件关闭操作，避免资源泄漏。

如果你想用scipy.stats.pearsonr计算，只需要把np.corrcoef相关代码替换成：

corr_coefficient, p_value = scipy.stats.pearsonr(x, da[i])
print(f"相关性系数：{corr_coefficient}，p值：{p_value}\n")

内容的提问来源于stack exchange，提问作者Rahan Öztürk