python 使用corrcoeff实现matlab的corr功能

Question

在我尝试了网上找到的所有解决方案之后，我必须在这里询问。

我想实现matlab's corr函数的行为：
我有2个矩阵A和B。A
的形状：(200, 30000)
B的形状：(200, 1)

在 matlab 中，corr(A, B)将返回一个大小为 (30000, 1) 的矩阵。当我使用numpy.corrcoef（或dask为了更好的性能）时，我得到一个非常巨大的 (30001, 30001) 矩阵，并且是错误的答案。我尝试rowvar=False按照某些答案的建议使用论证，但效果不佳。

我什至尝试过scipy.spatial.distance.cdist(np.transpose(traces), np.transpose(my_trace), metric='correlation')，它确实按预期返回了 shape(30000, 1) 的矩阵，但这些值与 matlab 中的结果不同。

我迫切需要解决这个问题，请帮忙。

Answer 1

Matlabcorr默认情况下计算A和 的列的相关性B，而 Python 则corrcoef计算数组内行的相关性（如果向函数传递两个数组，似乎它会对垂直堆叠的数组执行相同的操作）。如果你不关心性能并且需要找到一种简单的方法来做到这一点，你可以水平堆叠两个数组并计算相关性并获得你想要的相应元素：

correlation = np.corrcoef(np.hstack((B,A)),rowvar=False)[0,1:]

但是，如果您更关心性能而不是简单的代码，则需要corr自己实现该功能。（请评论，如果这是你要找的，我会添加它）

更新：如果您想实现corr防止额外的计算/内存使用，您可以使用其公式计算相关性，首先对数组进行标准化，然后将它们相乘：

A = (A - A.mean(axis=0))/A.std(axis=0)
B = (B - B.mean(axis=0))/B.std(axis=0)
correlation = (np.dot(B.T, A)/B.shape[0])[0]

示例代码的输出：

A = np.array([1,2,2,2]).reshape(4,1)
B = np.arange(20).reshape(4,5)

Python: np.corrcoef(np.hstack((A,B)),rowvar=False)[0,1:]

[0.77459667 0.77459667 0.77459667 0.77459667 0.77459667]

Matlab:  corr(A,B)

0.7746    0.7746    0.7746    0.7746    0.7746