Python 3.x corrcoef（）对返回值表示怀疑

我需要两个矩阵X，Y之间的皮尔逊相关系数。 如果我运行代码

corr=numpy.corrcoef（X，Y）

我的输出是一个具有相关系数的矩阵。 但是，我需要一个值来表示两个矩阵之间的相关性

我刚才在这个kennytm上看到，要有一个值，我应该写

numpy.corrcoef（X，Y）[1,0]

这个解决方案是可行的，但我不明白方括号内的数字是什么意思，也不明白为什么要把它们加起来作为一个值

我将1和0解释为系数的极限，但是矩阵中的所有系数会发生什么？ 对它们计算什么类型的操作以获得单个值？

---

如果我更改方括号内的数字，例如

[1，-1]

（），

corr

的值会更改，因此我不知道应该在方括号内使用哪些数字。

numpy.corrcoef

返回一个包含每对行的相关系数的矩阵。例如，

A.shape=（3,3）

和

B.shape=（3,3）

将返回一个

（6,6）

矩阵，因为有36行组合。注意，它是一个对称矩阵，因为它返回（例如，

a[1]，B[1]

（索引

[1,4]

）和

B[1]，a[1]

（索引

[4,1]

）的相关性。当你有两个一维数组时，你会得到一个

（2,2）

矩阵：第一个数组与其自身的相关性

[0,0]

，第一个数组与第二个数组的相关性

[0,1]

，第二个数组与第一个数组的相关性

[1,0]

，以及第二个数组与自身的相关性

[1,1]

import numpy as np
A = np.random.randint(low=0, high=99, size=(3,3))
B = np.random.randint(low=0, high=99, size=(3,3))
C = np.corrcoef(A,B)
print(C[1,4]==np.corrcoef(A[1],B[1])[0,1]) # True

如果需要二维相关性（如图像之间的相关性），请展平二维阵列，以便为每个阵列获得一行。然后，该相关矩阵的元素

[0,1]

或

[1,0]

将是二维阵列如何完全相互关联

print(np.corrcoef(A.flatten(), B.flatten())[0,1])

---

[1,0]

正是Python中索引的工作方式。执行

corrcoef（X，Y）

时，输出是一个大小由输入数组大小决定的数组。要访问此类数组的特定元素，请使用方括号。更一般地说，

[i，j]

指的是第i行和第j列中的元素。

-1

用于沿特定轴索引最后一个元素。