Python 是否生成与现有1D数组具有预先指定相关性的NumPy 1D数组？

我有一个未生成的1D NumPy数组。现在，我们将使用生成的一个

将numpy导入为np
arr1=np.随机均匀（0，100，1_000）

我需要一个与之相关的数组

0.3

：

arr2='？'
打印（np.corrcoef（arr1，arr2））

我已经在stats.SE上适应了NumPy。其思想是随机生成第二个数组

noise

，然后在

arr1

上计算

noise

的最小二乘线性回归的残差。残差必然与

arr1

具有0的相关性，当然

arr1

与自身具有1的相关性，因此

a*arr1+b*残差的适当线性组合将具有任何期望的相关性

将numpy导入为np
def生成带有_corrcoef的_（arr1，p）：
n=len（arr1）
#产生噪音
噪声=np.随机均匀（0，1，n）
#噪声的最小二乘线性回归=m*arr1+c
m、 c=np.linalg.lstsq（np.vstack（[arr1，np.one（n）]）.T，噪声[0]
#残差与arr1的相关性为0
残差=噪声-（m*arr1+c）
#右线性组合a*arr1+b*残差
a=p*np.std（残差）
b=（1-p**2）**0.5*np.std（arr1）
arr2=a*arr1+b*残差
#返回缩放/移位结果，使其具有与arr1相同的平均值/sd
#这不会改变相关系数
返回np.mean（arr1）+（arr2-np.mean（arr2））*np.std（arr1）/np.std（arr2）

最后一行缩放结果，使平均值和标准偏差与
arr1
相同。但是，
arr1
和
arr2
的分布不相同

用法：

arr1=np.random.uniform（011000）
>>>arr2=生成带有_corrcoef的_（arr1，0.3）
>>>np.corrcoef（arr1，arr2）
数组（[[1,0.3]，
[0.3, 1. ]])

在

arr2

的分发上是否存在任何其他限制？否。但最好与arr1的比例相同

Out[1]: 0.3