Python 返回与其中一个向量相同的值的numpy.dot

我有一本字典，它的键值对是

{'ph'：12，'ie'：14}

，在文本语料库中有一个双音素及其频率

    biphone_frequency = get_biphone_dist(baseline_corpus_phonetic)

此函数用于从文本语料库返回具有上述规范的词典

我需要创建两个字典，其中一个

uniform\u RP

表示所有双声道的均匀百分比分布，另一个

correlation\u CP

显示双声道的实际百分比分布。因此，我认为：

    length_dict = len(biphone_frequency.values())
    sum_dict = sum(biphone_frequency.values())

    #calculating uniform distribution of all the biphones
    rp = 1.0/float(length_dict)

    # creating dictionary with constant values wrt every biphone
    uniform_RP = {x : rp for x in biphone_frequency.keys()}         

    # creating dictionary with actual values wrt every biphone
      correlation_CP = {}
      for key, val in biphone_frequency.items():
          cp = val/float(sum_dict)   ##individual %age distribution
          correlation_CP[key] = cp

我需要找到

相关性\u CP.values（）

和

一致性\u RP.values（）

之间的点积。因此，我使用：

      RP_values = np.array(uniform_RP.values())
      CP_values = np.array(correlation_CP.values())
      correlation_coefficient = np.dot(RP_values, CP_values)

---

问题是点积总是与

uniform\u RP.values（）

中的值相同。有人能解释为什么会发生这种事吗

之所以发生这种情况，是因为点积就是这样定义的。将每个元素乘以1/N，然后将它们相加。这是因为

uniform\u RP

每个值包含1/N。结果将始终是

相关性的平均值\u CP

---

对于扩张，我使用1/N而不是

1.0/length\u dict

。他们的意思是一样的

顺便说一句，

correlation\u CP={k:v/sum\dict表示双音器中的k，v\u frequency.items（）}

。在理解词典之前，别忘了把

sum_dict

变成一个“float”。此外，你应该澄清这是你在最后一句话中提到的平均值。看起来你开始养成了不选择答案的习惯。如果有人回答了你满意的问题，你应该点击答案旁边的复选标记。