numpy.corrcoef(x, y=无, rowvar = True, 偏差=<无值>, ddof=<无值>)
【学习参考】:Python Numpy库 numpy.corrcoef()函数讲解_Hello_xzy_Word的博客-CSDN博客_numpy.corrcoef
x: array_like,包含多个变量和观测值的1-D或2-D数组,x的每一行代表一个变量,每一列都是对所有这些变量的单一观察。
y: array_like, 可选,另外一组变量和观察,y具有与x相同的形状。
rowvar: bool, 可选,如果rowvar为True(默认值),则每行代表一个变量,并在列中显示。否则,转换关系:每列代表一个变量,而行包含观察。
偏差: _NoValue,可选,没有效果,请勿使用
ddof: _NoValue,可选,没有效果,请勿使用
功能:计算矩阵的相关系数,返回Pearson乘积矩相关系数的矩阵
import numpy as np
Array1 = [[1, 2, 3], [4, 5, 6]]
Array2 = [[11, 25, 346], [734, 48, 49]]
Mat1 = np.array(Array1)
Mat2 = np.array(Array2)
correlation = np.corrcoef(Mat1, Mat2)
print("矩阵1=\n", Mat1)
print("矩阵2=\n", Mat2)
print("相关系数矩阵=\n", correlation)
矩阵1=
[[1 2 3]
[4 5 6]]
矩阵2=
[[ 11 25 346]
[734 48 49]]
相关系数矩阵=
[[ 1. 1. 0.88390399 -0.86539304]
[ 1. 1. 0.88390399 -0.86539304]
[ 0.88390399 0.88390399 1. -0.53057867]
[-0.86539304 -0.86539304 -0.53057867 1. ]]
Process finished with exit code 0
可以看出函数的返回值还是一个矩阵,
结果矩阵的行数*结果矩阵的列数==矩阵1的行数*矩阵2的行数
0=[1 2 3] 1=[4 5 6] 2=[11 25 346] 3=[734 48 49]
自己和自己的相关性最大,值为1,所以对角线的值全为1.
举例学习: