求问numpy.corrcoef的功能及数组计算结果相关疑问解答

先搞懂numpy.corrcoef到底做什么 #

这个函数核心是计算皮尔逊积矩相关系数，简单说就是衡量两个数组（变量）之间的线性相关程度，结果范围在[-1, 1]之间：

• 结果为1.0：两个数组完全正线性相关——比如数组B是数组A的固定倍数（比如B = 2*A），或者两个数组完全一模一样，它们的变化趋势完全同步。
• 结果为-1.0：完全负线性相关——一个涨另一个按固定比例跌，比如B = -3*A。
• 结果接近0：两个数组之间几乎没有线性关联，谁变谁的，互不影响。

为什么你前两次得到1.0，后来结果“模糊不清”？ #

前两次1.0的原因 #

你前两次调用得到1.0，肯定是因为当时传入的两个数组是完全线性相关的，比如：

• 两个数组完全相同
• 其中一个数组是另一个的纯倍数（带正负都算）
• 或者一个数组是另一个加/减固定值（比如B = A + 5，这种也是完全线性相关，皮尔逊系数还是1.0）

后来结果变“模糊”的可能原因 #

所谓的“模糊不清”应该是指结果不再是完美的1.0，而是接近1但有偏差，或者变成了其他数值，大概率是这几种情况：

1. 数组数据被修改了：你后续调用时传入的两个数组，已经不是前两次的那组数据了——比如不小心修改了其中一个数组的元素，或者换成了新的数组。
2. 引入了微小的数值误差：如果你的数组是经过某些计算得到的，可能引入了浮点数精度误差（比如原本应该是2.0的数变成了2.0000001或者1.9999999），这种微小偏差会让完全线性相关变成“接近线性相关”，相关系数就会接近1但不是1.0。
3. 调用参数用错了：numpy.corrcoef的输入如果是二维数组，默认是按行计算变量的相关系数。比如你原本是传入两个一维数组，后来把它们拼成了一个二维数组，但没指定轴参数，可能导致计算的不是你想要的两个变量的相关系数。

举个直观的例子 #

import numpy as np

# 完全线性相关的情况，输出1.0
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([2, 4, 6, 8])  # arr2是arr1的2倍
print(np.corrcoef(arr1, arr2))
# 输出：
# [[1. 1.]
#  [1. 1.]]

# 给arr2加一点随机噪声，结果就接近1但不是1了
arr2_noisy = arr2 + np.random.normal(0, 0.1, size=4)
print(np.corrcoef(arr1, arr2_noisy))
# 输出类似：
# [[1.         0.99785623]
#  [0.99785623 1.        ]]

排查建议 #

你可以先检查这几点：

• 对比前后调用时传入的数组，确认数据是否一致
• 查看数组是否经过了某些计算，有没有引入浮点数误差
• 检查corrcoef的调用参数是否和前两次一致（比如有没有多传了轴参数，或者输入数组的维度变了）

内容的提问来源于stack exchange，提问作者j.sinjaradze