皮尔逊波形相似度python代码

皮尔逊相关系数用来衡量两个变量之间的相似程度，值越接近1，则两个变量之间的相关性越大，值越接近0，则两个变量之间的相关性越小。皮尔逊相关系数可以用来衡量两个波形之间的相似度。

在 Python 中，可以使用 NumPy 库中的函数 numpy.corrcoef 来计算皮尔逊相关系数。

例如，假设你有两个向量 x 和 y，想要计算它们之间的皮尔逊相关系数，可以使用如下代码：

import numpy as np

x =[1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

corr, _ = np.corrcoef(x, y)
print(corr)

输出结果为：

[[1.         0.98198051]
 [0.98198051 1.        ]]

第一行第一列的值为 1，表示 x 与 x 之间的相关系数；第二行第一列的值为 0.98198051，表示 x 与 y 之间的相关系数。因此，这两个向量之间的皮尔逊相关系数为 0.98198051。