Python 每项矩阵的时间序列p值（3维）

我想为每个网格框关联时间序列（540个月长），循环2个纬度x 6个经度=总共12个网格框。我设法得到了相关系数，但是p值被证明是“nan”，尽管它们不应该

有关我的数据的信息：

• 数据1-形状：（540,2,6）尺寸：3
• 数据2-形状：（540,2,6）尺寸：3

我试过：

np.corrcoef（数据1[gotdata，lt，ln]，数据2[gotdata，lt，ln]）[0,1]

可以很好地获得相关系数，但对于 p值

slope，intercept，r\u值，p\u值，std\u err=scipy.stats.linregresse（数据1[gotdata，lt，ln]，数据2[gotdata，lt，ln]）

给出pvalue=nan

scipy.stats.pearsonr（数据1[gotdata，lt，ln]，数据2[gotdata，lt，ln]）

给出了错误

“ValueError:包含多个元素的数组的真值不明确。请使用a.any（）或a.all（）”

TheMDI代表-1e30，缺少数据

代码：

---

仅通过选择gotdata的第一个条目（[0]）来解决：

gotdata = np.where((TheData1[:,lt,ln] > TheMDI) & (TheData2[:,lt,ln] > TheMDI))[0]

这使得scipy.stats.pearsonr给出了一个p值

gotdata = np.where((TheData1[:,lt,ln] > TheMDI) & (TheData2[:,lt,ln] > TheMDI))[0]