Python 数据帧的np.corrcoef行为

我使用我为计算每个组的一系列总和而构建的脚本观察到以下情况：

In [291]: sums_per_group2
Out[291]: 
        test_group  control_group
one    4551.658544         4449.3
three  3770.712771         3430.5
two    9328.171538         8673.9

In [292]: sums_per_group2.shape
Out[292]: (3, 2)

In [293]: np.corrcoef(sums_per_group2)
Out[293]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]]) 

In [294]: np.corrcoef(sums_per_group2.values)
Out[294]: 
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

In [295]: sums_per_group2.values.shape  
Out[295]: (3, 2)

In [296]:   np.corrcoef(sums_per_group2.iloc[:,0],sums_per_group2.iloc[:,1])
Out[296]: 
array([[ 1.        ,  0.99853641],
       [ 0.99853641,  1.        ]])  

In [296]:   sums_per_group2.iloc[:,0].shape
Out[296]: (3,)

In [297]:   sums_per_group2.iloc[:,1].shape
Out[297]: (3,)

正如您所看到的，np.corrcoef（）的任何输入之间的形状都非常精确

---

有人能帮我理解这一点吗？

如果要将其作为2d数组传递，需要将

sum\u per\u group2

变量进行转置：

np.corrcoef(sum_per_group2.T)
# array([[ 1.        ,  0.99853641],
#        [ 0.99853641,  1.        ]])

以下是关于

x

参数的文档：

x：数组_-like 包含多个变量和观测值的一维或二维数组。 每行

x

代表一个变量，每列代表一个变量 观察所有这些变量。另请参见下面的

rowvar

传入二维数组时，请确保列为“观察”，行为“变量”或“特征”；计算行之间的相关性。或设置

rowvar=0

：

np.corrcoef(sum_per_group2, rowvar=0)
#array([[ 1.        ,  0.99853641],
#       [ 0.99853641,  1.        ]])

---

---

如果不转置2d数组，该方法会将行解释为向量，因此在前几种情况下，它会计算所有行组合的相关系数，因为每一行的长度为2向量，所以当您尝试用两点拟合直线时，会得到所有1作为系数（始终完美拟合）.

如果要将其作为2d数组传递，则需要将

sum\u per\u group2

变量转置：

np.corrcoef(sum_per_group2.T)
# array([[ 1.        ,  0.99853641],
#        [ 0.99853641,  1.        ]])

以下是关于

x

参数的文档：

x：数组_-like 包含多个变量和观测值的一维或二维数组。 每行

x

代表一个变量，每列代表一个变量 观察所有这些变量。另请参见下面的

rowvar

传入二维数组时，请确保列为“观察”，行为“变量”或“特征”；计算行之间的相关性。或设置

rowvar=0

：

np.corrcoef(sum_per_group2, rowvar=0)
#array([[ 1.        ,  0.99853641],
#       [ 0.99853641,  1.        ]])

---

---

如果不转置2d数组，该方法会将行解释为向量，因此在前几种情况下，它会计算所有行组合的相关系数，因为每一行的长度为2向量，所以当您尝试用两点拟合直线时，会得到所有1作为系数（始终完美拟合）.

感谢您对函数工作原理的澄清，我错过了向量行。因此，现在这是有意义的，我想知道为什么这个错误，能够系统地产生一个1相关系数。但我没有考虑我的体型。现在我应该试着修改它，以更好地测试函数行为。感谢对函数工作原理的澄清，我错过了作为向量的行。因此，现在这是有意义的，我想知道为什么这个错误，能够系统地产生一个1相关系数。但我没有考虑我的体型。现在，我应该尝试更改它以更好地测试函数行为。