Python 3.x 如何解释此numpy corrcoef输出

我试图计算两个时间序列之间的相关性。我尝试了下面的代码

time1 = np.arange(0,1000,1).reshape((-1,1))
slope1 = 15
slope2 = 3
amp=1000

line1 = time1*slope1+amp
line2=time1*(0.5)+amp/10

corr=np.corrcoef(x=line1,y=line2,rowvar = False)

输出是

corr = [[1. 1.][1. 1.]]

---

我原以为相关性会比1小得多，因为这两条线的斜率不同。为什么相关性显示为1？

尽管斜率非常不同，但您可以将相关性视为忽略比例并寻找行驶方向的东西。当一个变量按数量增加

x1

时，另一个变量按数量增加

x1*k

，其中

k

是一个常数，因此它们是完全相关的（它们之间的行为总是相同的）.

尽管斜率非常不同，但你可以将相关性视为忽略比例并寻找行进方向的东西。当你的一个变量增加了一个数量

x1

时，另一个变量增加了一个数量

x1*k

，其中

k

是一个常数，因此它们是完全相关的（它们在相互关系中的行为总是相同的）。

如果你是指Excel的R^2中的相关性，你可以使用类似这样的东西（已经为我的工作做好了）：

为了可读性，我删除了它们，但您可以使用各种预防措施和错误消息来围绕它们，例如，当两个阵列的大小不相同或不包含NAN时

编辑：使用的公式来自维基百科上的决定系数文章。

---

如果您指的是Excel的R^2中的相关性，您可以使用类似的内容（已经为我的工作制作了）：

为了可读性，我删除了它们，但您可以使用各种预防措施和错误消息来围绕它们，例如，当两个阵列的大小不相同或不包含NAN时

编辑：使用的公式来自维基百科上的决定系数文章。

def correlation(Measure, Fit):
    """Calculates the correlation coefficient R^2 between the two sets
       of Y data provided. Logically, in order for the result to have a sense
       you want both Y arrays to have been created from the same X array."""

    Mean = np.mean(Measure)
    s1 = 0
    s2 = 0
    Size = np.size(Measure) # identical to np.size(Fit)

    for i in range(0, Size):
        s1 += (Measure[i] - Fit[i]) ** 2
        s2 += (Measure[i] - Mean) ** 2
    Rsquare = 1 - s1/s2
    return Rsquare