介绍如何计算两个给定 NumPy 数组的 pearson 积矩相关系数

什么是 pearson 积矩相关系数？

pearson 积矩相关系数是用来度量两个变量之间线性相关程度的一种方法，其值介于 -1 和 1 之间，其中 1 表示变量完全正相关，0 表示变量之间没有线性相关性，-1 表示变量完全负相关。

如何计算 pearson 积矩相关系数？

在 NumPy 中，我们可以使用 numpy.corrcoef() 函数来计算 pearson 积矩相关系数。

import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = np.array([4, 3, 2, 1, 0])

r = np.corrcoef(x, y)[0, 1]
print(r)

上面的代码将输出 -1.0，表明变量 x 和 y 是完全负相关的。

如果我们有多维数组，可以指定 axis 参数指定要计算的轴。

import numpy as np

# 生成一个 3 行 5 列的随机数组
arr = np.random.rand(3, 5)

# 计算第一列和第三列之间的 pearson 积矩相关系数
r = np.corrcoef(arr[:, 0], arr[:, 2])[0, 1]
print(r)

上面的代码将输出第一列和第三列之间的 pearson 积矩相关系数。

最后

使用 NumPy 计算 pearson 积矩相关系数十分简单，只需要调用 numpy.corrcoef() 函数即可完成。