Python numpy。corrcoef()运行时警告:true\u divide c/=stddev[:,None]中遇到无效值

相关性是衡量两个向量在变化时相互跟踪的程度。当一个向量不变时,就无法跟踪相互变化。

如OP评论所述 formula 对于皮尔逊积矩,相关系数除以 X 和 Y Y 在您的示例中方差为零,其标准差也为零。这就是为什么你得到 true_divide

注意:从工程的角度来看,简单地在中的一个条目上添加一个非常小的量(例如,刚好高于机器epsilon的值)似乎很诱人 1e-15 将严重扰乱你的相关系数,这取决于你将其添加到哪个值。

考虑这两种情况之间的差异:

X = [1.0, 2.0, 3.0, 4.0]

tiny = 1e-15

# add tiny amount to second element
Y1 = [2., 2.+tiny, 2., 2.]
np.corrcoef(X, Y1)[0, 1] 
-0.22360679775

# add tiny amount to fourth element
Y2 = [2., 2., 2., 2.+tiny]
np.corrcoef(X, Y2)[0, 1]
0.67082039325

import pandas as pd
X = [1.0, 2.0, 3.0, 4.0]
Y = [2, 2, 2, 2]
print(pd.Series(X).corr( pd.Series(Y)))

如果你想坚持numpy,那么你可以使用If语句检查序列的标准偏差,并且只有当它们大于零时才进行相关。显然,在这里我们没有有效的输出,因为一个列表没有变化,但这个概念可以应用于其他情况。

import numpy as np
X = [1.0, 2.0, 3.0, 4.0]
Y = [2, 2, 2, 2]
if np.std(Y)==0 or np.std(X)==0 :
    print ('The correlation could not be computed because the standard deviation of one of the series is equal to zero')
else:
    print(np.corrcoef(X, Y)[0, 1])