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:Python 每项矩阵的时间序列p值(3维),python,time-series,correlation,p-value,significance,Python,Time Series,Correlation,P Value,Significance,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=s
- 数据1-形状:(540,2,6)尺寸:3
- 数据2-形状:(540,2,6)尺寸:3
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=nanscipy.stats.pearsonr(数据1[gotdata,lt,ln],数据2[gotdata,lt,ln])
给出了错误仅通过选择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]