在python中，如何找到两个矩阵之间的相关系数？

我有两个矩阵，比如T1和T2，每个都是mxn大小。我想找出两个矩阵之间的相关系数
到目前为止，我还没有为它使用任何内置的库函数。我正在为此执行以下步骤：
首先，我计算两个矩阵的平均值：

M1 = T1.mean()
M2 = T2.mean()

A = np.subtract(T1, M1)
B = np.subtract(T2, M2)

然后我从相应的矩阵中减去平均值，如下所示：

M1 = T1.mean()
M2 = T2.mean()

A = np.subtract(T1, M1)
B = np.subtract(T2, M2)

其中np是numpy库，A和B是进行减法运算后得到的矩阵。
现在，我计算相关系数为：

alpha = np.sum(A*B) / (np.sqrt((np.sum(A))*np.sum(B)))

但是，我得到的值远远大于1，并且没有任何意义。它应该介于0和1之间，以便从中获得一些意义。
我也尝试过使用矩阵A和B的绝对值，但也没用。
我还尝试使用：

np.sum(np.dot(A,B.T)) instead of np.sum(A*B)  

在分子中，但这也不起作用。
编辑1:
这是我打算计算的公式：

在这幅图中，C是一个矩阵，T是另一个矩阵。
“u”是平均符号

有人能告诉我我到底在哪里犯的错误吗。

你能试试这个吗：

import numpy as np
x = np.array([[0.1, .32, .2, 0.4, 0.8], [.23, .18, .56, .61, .12]])
y = np.array([[2,4,0.1, .32, .2],[1,3,.23, .18, .56]])
pearson = np.corrcoef(x,y)
print(pearson)

---

我认为这个函数正是我想要的：

def correlation_coefficient(T1, T2):
    numerator = np.mean((T1 - T1.mean()) * (T2 - T2.mean()))
    denominator = T1.std() * T2.std()
    if denominator == 0:
        return 0
    else:
        result = numerator / denominator
        return result

这里分子的计算似乎很复杂，它不能准确反映上图所示的公式，分母只是两幅图标准偏差的乘积。

---

但是，结果现在确实有意义了，因为结果只在0和1之间。

您想要每个矩阵中同一行之间的相关性吗？还是只想得到

a

中的所有值与

B

中的所有值之间的相关性？如果是这样，只需将两个矩阵展平为向量并计算正则相关系数。请参阅edit1，以更深入地了解这个问题。对此并非100%确定，但我认为

np.sum（A*B）

实际上可能会做一些与公式中所示不同的事情。我猜第一个是计算两个矩阵相乘后所有元素的和，而后一个是计算每一对值的乘法。也许你可以用两个非常简单的2x2矩阵来检查这一点？它会返回一个矩阵，但我需要一个数字，一个标量值。你能找到任何解决方案吗？你可以通过取[0,1]元素从np.corrcoef（x，y）中的两个向量中得到标量值参见