python - 使用 pearsonr 时遇到无效值

Question

也许我弄错了。如果是这样，我很抱歉问这个问题。

我想计算Pearson's correlation coefficent通过使用 scipy 的 pearsonr 函数。

from scipy.stats.stats import pearsonr

X = [4, 4, 4, 4, 4, 4]
Y = [4, 5, 5, 4, 4, 4]

pearsonr(X, Y)

下面出现错误

RuntimeWarning: invalid value encountered in double_scalars ###

我报错的原因是E[X] = 4 (Excepted Value of X is 4)

我在scpy.stats.stats.py中查看了pearsonr函数的代码。 pearsonr函数的部分内容如下。

mx = x.mean() # which is 4
my = y.mean() # not necessary
xm, ym = x-mx, y-my # xm = [0 0 0 0 0 0]
r_num = n*(np.add.reduce(xm*ym)) #r_num = 0, because xm*ym 1x6 Zero Vector.
r_den = n*np.sqrt(ss(xm)*ss(ym)) #r_den = 0
r = (r_num / r_den) # Invalid value encountered in double_scalars

最后，pearsonr 返回 (nan, 1.0)

pearsonr 应该返回 (0, 1.0) 吗？

我认为如果向量的每一行/列都具有相同的值，则协方差应该为零。因此根据 PCC 的定义， PIL 逊相关系数也应该为零。

Pearson's correlation coefficient between two variables is defined as the covariance of the two variables divided by the product of their standard deviations.

是bug还是哪里出错了？

Answer 1

Pearson's correlation coefficient between two variables is defined as the covariance of the two variables divided by the product of their standard deviations.

所以这是协方差

• [4, 5, 5, 4, 4, 4] 次的标准差
• [4, 4, 4, 4, 4, 4] 的标准差。

[4, 4, 4, 4, 4, 4] 的标准差为零。

所以这是协方差

• [4, 5, 5, 4, 4, 4] 次的标准差
• 零。

所以这是协方差

• 零。

任何除以零的值都是nan。协方差的值无关。