本文详解如何高效计算两个形状相同的二维数组 a 和 b 之间逐行（row-wise）的 Pearson 相关系数，返回长度为 n 的一维数组，并提供多种实现方式（含向量化优化与数值稳定性处理）。
本文详解如何高效计算两个形状相同的二维数组 `a` 和 `b` 之间**逐行（row-wise）的 pearson 相关系数**，返回长度为 `n` 的一维数组，并提供多种实现方式（含向量化优化与数值稳定性处理）。
在科学计算与数据分析中，常需对比两组等长向量序列的线性相关性。例如，给定两个形状均为 (n, m) 的二维数组 a 和 b，我们希望对每一对对应行 a[i] 与 b[i]（i = 0, 1, ..., n−1）独立计算 Pearson 相关系数，最终得到一个长度为 n 的一维结果数组。
最直观的方法是使用 Python 列表推导式配合 np.corrcoef：
import numpy as np a = np.array([[1,2,4],[3,6,2],[3,4,7],[9,7,7],[6,3,1],[3,5,9]]) b = np.array([[4,5,2],[9,2,5],[1,5,6],[4,5,6],[1,2,6],[6,4,3]]) # ✅ 逐行计算：简洁、可读性强，适合中小规模数据 corr_per_row = np.array([np.corrcoef(x, y)[0, 1] for x, y in zip(a, b)]) print(corr_per_row) # 输出: [-0.78571429 -0.66114309 0.81705717 -0.8660254 -0.90112711 -0.92857143]
该方法利用 zip(a, b) 按行配对，对每对一维数组调用 np.corrcoef(x, y)，其返回的是 2×2 相关系数矩阵，[0, 1] 即为 x 与 y 的 Pearson 系数。
若追求更高性能（尤其在大数据场景下），推荐使用纯向量化实现，避免 Python 循环开销。以下函数 rowwise_pearson 基于协方差定义推导，支持批量计算且具备数值鲁棒性：
def rowwise_pearson(A, B, eps=1e-14):
"""
向量化计算两个 (n, m) 数组逐行 Pearson 相关系数。
Parameters:
-----------
A, B : ndarray, shape (n, m)
输入数组，行数相同
eps : float
分母防零小量，避免标准差为零时除零错误
Returns:
--------
corr : ndarray, shape (n,)
每行对应的 Pearson 相关系数
"""
if A.shape != B.shape:
raise ValueError("A and B must have the same shape")
# 中心化：减去每行均值（保持行维度）
A_centered = A - A.mean(axis=1, keepdims=True)
B_centered = B - B.mean(axis=1, keepdims=True)
# 计算每行的平方和（即方差×(m−1)，但此处仅需分母中的标准差乘积）
ssA = np.sum(A_centered ** 2, axis=1) # shape: (n,)
ssB = np.sum(B_centered ** 2, axis=1) # shape: (n,)
# 分母：sqrt(sum(dx²)) * sqrt(sum(dy²))
denom = np.sqrt(ssA * ssB) + eps
# 分子：sum(dx * dy)
numer = np.sum(A_centered * B_centered, axis=1) # shape: (n,)
return numer / denom
# ✅ 向量化调用（高效、稳定）
corr_vec = rowwise_pearson(a, b)
print(corr_vec)
# 输出与列表推导式一致（浮点精度差异可忽略）
⚠️ 注意事项：
-
np.corrcoef(a, b).diagonal(a.shape[0])并不适用于逐行计算：np.corrcoef默认按行视为变量（rowvar=True），传入两个二维数组会构建(2n, m)的大矩阵，其对角线无直接行对应意义；正确用法应为np.corrcoef(np.vstack([a, b]), rowvar=True).diagonal(len(a))，但逻辑复杂且效率低，不推荐。 - 当某行所有值相等（标准差为 0）时，Pearson 系数数学上无定义。上述向量化函数通过
eps参数避免RuntimeWarning和nan输出，实际应用中可根据需求改为显式标记（如np.where(denom ）。 - 若需进一步加速（如 GPU 支持或超大规模），可考虑
scipy.stats.pearsonr的批处理封装，或使用numba.jit编译加速。
总结：对于日常使用，列表推导式清晰可靠；对于性能敏感场景，采用中心化+向量化公式实现更优。二者结果一致，且后者易于扩展至缺失值处理、加权相关等高级需求。
