Python 缺失值屏蔽数组相关性（numpy.ma）

我试图使用numpy.ma.corrcoef来计算缺失数据情况下的相关性

根据文件： 除了处理丢失的数据外，此函数的作用与

numpy.corrcoef

相同。有关更多详细信息和示例，请参见

numpy.corrcoef

这是一个双变量数据集，其中只有第一个点和第二个点具有两个变量的数据

array([[ 0.00494576, -0.01331578],
   [-0.00146498, -0.01349548],
   [ 0.00430321,         nan],
   [-0.00937105,         nan],
   [        nan, -0.01356873],
   [        nan, -0.01375538],
   [        nan, -0.00277393],
   [        nan,  0.0082988 ],
   [        nan,  0.        ],
   [        nan,  0.00275103],
   [        nan,  0.00547947],
   [        nan, -0.01375538],
   [        nan,  0.0110194 ],
   [        nan, -0.00549452],
   [        nan,  0.01910017],
   [        nan, -0.02462505],
   [        nan, -0.01676017],
   [        nan,  0.0112046 ],
   [        nan,  0.01108045],
   [        nan,  0.01639381],
   [        nan,  0.01078178],
   [        nan, -0.01078178]])

当我将其转换为屏蔽数组（np.ma.masked_数组（t，np.isnan（t）），其中t是上面的数组）并在其上运行np.ma.corrcoef（rowvar=False），变量之间的相关性为-86.52（绝对值，而不是百分比！）。而仅在前两个点上运行np.corrcoef会产生1的相关性（同样是绝对值）。根据文档，后一个值是我认为应该从第一个操作中得到的

我的Python版本（MacOSX.6.8上的64位PyLab）信息如下，我使用的是Numpy版本1.6.1

Python 2.7.3 | EPD 7.3-1（64位）|（默认值，2012年4月12日，11:14:05） 有关详细信息，请键入“版权”、“信用”或“许可证”

---

请告诉我这里缺少什么！提前感谢。

以

a

为例，我有：

In [1]: np.ma.corrcoef(a[:2])
Out[1]: 
masked_array(data =
 [[1.0 1.0]
 [1.0 1.0]],
             mask =
 [[False False]
 [False False]],
       fill_value = 1e+20)

---

我使用的是numpy版本1.6.2

我认为这可能是numpy.ma.corrcoef中的一个bug（或者更准确地说，可能是在np.ma.extras.\u covhelper中，我认为对于单个数组输入，它不能正确地将掩码从一列传播到另一列，但可能我看错了位置）

---

使用

np.ma.corrcoef（b[：，0]，b[：，1]）

并创建错误报告

np.ma.corrcoef（b[：，0]，b[：，1]）

给出了预期的结果，因此在修复之前这是一个简单的解决方法。

谢谢你，我认为你当时能够重现这一点；感谢您的解决方案，但我认为它对我的帮助不如升级numpy（见下文）那么大，因为我需要一组七个变量的相关矩阵，上面的示例中只显示了其中的两个变量，我得到了相同的答案是的，所以假设它是错误的，这是numpy中的一个错误，在新版本中似乎尚未修复。这个问题可能归结为所有数字都被减法，但在下一步中，它们不再被使用。。。（不管怎样，如果你能写一篇错误报告就好了）谢谢你；我使用的numpy版本是1.6.1，我想知道您是否对我使用的Enthound PyLab的升级有任何建议。我已经下载了1.6.2版，但是当我尝试安装它时，我收到一条消息说Python 2.7是必需的。我的最新版本是2.7.3版，但我的默认版本是2.6版，而numpy的安装似乎正是基于这一版本。请问如何升级Enthow安装？