Python 嵌套字典中包含的向量的相关性

我有一个嵌套的dict，具有下一个结构：

{Cell_name_1 : {KPI_name_1: [value1, value2, ..., valueN], 
                KPI_name_2: [value1, value2, ..., valueN], 
                ..., 
                KPI_name_N: [value1, value2, ..., valueN]}, 
 Cell_name_2 : {KPI_name_1: [value1, value2, ..., valueN], ...}, 
 Cell_name_N : {....}}

我想检查不同单元格中包含的vectos之间的相关性（我已经定义了这个方法，所以它是一个辅助函数）。比如说：

vector_1 = [64.0, 66.0, 53.5, 52.1, 54.0] #[values from KPI_name_1 from Cell_name_1]
vector_2 = [84.0, 86.0, 63.5, 72.1, 24.0] #[values from KPI_name_2 from Cell_name_2]

correlation(vector_1, vector_2)

我尝试了不同的字典循环方式（普通循环、带while和conditions的经典循环等），但我没有找到获得所需内容的方法

例如，代码如下所示：

dic_sem = {'16895555': {'KPI_name_1': [64.0, 66.0, 53.5, 52.1, 54.0], 
                        'KPI_name_2': [54.0, 56.0, 23.5, 32.1, 84.0]}, 
           '16894444': {'KPI_name_1': [84.0, 86.0, 63.5, 72.1, 24.0], 
                        'KPI_name_2': [24.0, 26.0, 63.5, 92.1, 84.0]}}

---

'16895555'

和

'16894444'

是不同的

单元名称

您可以迭代字典并创建单元名称字典，例如

KPI\u name\u 1

到包含向量的列表中

from collections import defaultdict

vectors = defaultdict(list)

#Iterate over the values
for value in dic_sem.values():
    #Create your vectors dictionary
    for k, v in value.items():
        vectors[k].append(v)

print(dict(vectors))

输出将是

{'KPI_name_1': [[64.0, 66.0, 53.5, 52.1, 54.0], [84.0, 86.0, 63.5, 72.1, 24.0]], 
'KPI_name_2': [[54.0, 56.0, 23.5, 32.1, 84.0], [24.0, 26.0, 63.5, 92.1, 84.0]]}

然后，您可以迭代此字典的值，并相应地调用

correlation

for value in vectors.values():
    print(value[0], value[1])
    #correlation(*value)

这里的输出将是

[64.0, 66.0, 53.5, 52.1, 54.0] [84.0, 86.0, 63.5, 72.1, 24.0]
[54.0, 56.0, 23.5, 32.1, 84.0] [24.0, 26.0, 63.5, 92.1, 84.0]

---

也许

itertools.product

可以在这里提供帮助：

进口itertools
将numpy作为np导入
#获取向量名称（假设所有单元格中都存在键）
字段名称=列表（dic\u sem.values（））[0]。键（）
#预计算所有对单元
所有单元格对=列表（itertools.product（dic_sem.keys（），dic_sem.keys（））
corr={}
对于字段名称中的字段：
corr[field]=np.对所有单元对中的c1、c2进行重塑（[correlation（dic_-sem[c1][field]，dic_-sem[c2][field]），（len（dic_-sem），-1））

---

请注意，我们在这里进行的计算是所需计算的两倍以上：相关矩阵是对称的，因此只需计算上三角形或下三角形（例如，使用

itertools.compositions

），不包括对角线（等于1）。但是上面应该给出方向。

很抱歉，我不能使用numpy或itertools库。