Python：两个（相同/不相同）数组之间的Pearson相关性返回的值超出范围

在计算两个相同阵列之间的相关性时，相关性（本应为1）大于1。相关性值超出[-1,1]范围是否有任何原因

Im使用numpy计算协方差和标准差

将numpy导入为np
a=[1,2,3,4]
协方差=np.cov（a，a）[0][1]
标准偏差=（np.std（a））

而相关性范围为[-1,1]，因此上述值应小于1

已编辑：

当我在pyspark数据帧上使用UDF时，在np.cov（）函数中添加bias=True。我仍然得到超出范围的相关性

df=sc.parallelize(
[([0.0, 0.0, 0.0, 0.0, 0.066, 0.0, 0.0, 0.0, 0.0, 0.0, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
,[0.0, 0.0, 0.0, 0.0, 0.02, 0.0, 0.0, 0.0, 0.0, 0.0, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
) , ([0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5.411666666666666, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
, [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 5.01, 0.0, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
) , ([0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.2733333333333332, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
, [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 2.29, 
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])]
).toDF（[“array1”、“array2”]）

@psf.udf（FloatType（））
def calc_cov（val1、val2）：
将numpy作为np导入
val=np.cov（val1，val2，bias=True）[0][1]
返回浮动（val）
@psf.udf（FloatType（））
def计算标准偏差（val1）：
将numpy作为np导入
val=np.std（val1）
返回浮动（val）
df=df.withColumn(
“协方差”，psf四舍五入（计算公式（psf列（“array1”）、psf列（“array2”）、4）
).withColumn(
“特殊功能1”，psf圆形（计算标准开发（psf柱（“阵列”），4）
).withColumn(
“sd feat2”，psf.round（计算标准开发（psf.col）（“array2”）），4）
).withColumn(
“相关性”，psf轮（psf列（“协方差”）/（psf列（“sd_feat1”）*psf列（“sd_feat2”）），4）
).withColumn(
“皮尔逊区”，psf圆形（整数（1）-（psf列（“相关性”）），4）
)

---

运行上述代码段时，您会注意到这些数组的协方差大于1。

在更新的示例中，这些错误完全是由于舍入操作引入的错误传播造成的。@merv在删除舍入操作后，错误也会出现。当我使用这三对对以numpy计算它们时，它们都满足

np.isclose

，而不是1。在更新的示例中，这些错误完全是由于舍入操作引入的错误传播造成的。@merv在删除舍入操作后，错误也在那里。当我使用这三对对以numpy计算它们时，它们都满足

np。与1相比，isclose

。

correlation = covariance / (stddeviation * stddeviation)

covariance = 1.6666666666666665

stddeviation = 1.118033988749895

correlation = 1.333333333333333