如何用Python快速计算两组高维数据集之间的相关系数矩阵?

酷雪同学_2699

酷雪同学_2699

2026-11-19

191人浏览

原创

正确做法是向量化矩阵运算:先中心化、再归一化、最后矩阵乘法得(m,n)相关矩阵;np.corrcoef会返回错误形状方阵,循环调用pearsonr则极慢且爆内存。

如何用python快速计算两组高维数据集之间的相关系数矩阵?

直接用 numpy.corrcoef 或 scipy.stats.pearsonr 逐对计算会爆内存、极慢,且不支持跨数据集配对;正确做法是用向量化矩阵运算,核心是中心化 + 归一化 + 矩阵乘法。

为什么不能直接套用 np.corrcoef(X, Y)?

它把两组数据垂直拼接后算整个协方差矩阵,返回的是 (X.shape[0]+Y.shape[0], X.shape[0]+Y.shape[0]) 的方阵,不是你想要的「X 每行 vs Y 每行」的矩形相关系数矩阵。常见错误现象:结果形状不对、数值全为 1 或 nan、内存暴涨到几十 GB。

  • 若 X 是 (m, d),Y 是 (n, d),你真正需要的是 (m, n) 的矩阵,其中 [i, j] 是 X[i] 和 Y[j] 的 Pearson 相关系数
  • np.corrcoef 默认按行视为变量,会把 X 和 Y 当作不同变量堆叠,完全偏离目标
  • 循环调用 scipy.stats.pearsonr 在 m=10k、n=10k 时要算 1e8 次,纯 Python 循环根本不可行

高效实现:手动向量化 Pearson 相关系数

Pearson 公式可拆解为:corr(X_i, Y_j) = cov(X_i, Y_j) / (std(X_i) * std(Y_j)),而协方差可写成内积形式。关键在于先中心化(减均值),再单位向量归一化,最后做点积。

import numpy as np
<p>def cross_corr_matrix(X, Y):</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程"><img
														src="https://img.php.cn/upload/skill/001/246/273/6adaf20e352aa140.jpg" alt="Python健壮编程" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程" class="overflowclass">Python健壮编程</a>
													<p class="overflowclass">编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><h1>X: (m, d), Y: (n, d)</h1><pre class="brush:python;toolbar:false;">X = X - X.mean(axis=1, keepdims=True)  # 行中心化
Y = Y - Y.mean(axis=1, keepdims=True)
X_norm = np.linalg.norm(X, axis=1, keepdims=True)
Y_norm = np.linalg.norm(Y, axis=1, keepdims=True)
# 避免除零
X_norm[X_norm == 0] = 1e-12
Y_norm[Y_norm == 0] = 1e-12
X_unit = X / X_norm
Y_unit = Y / Y_norm
return X_unit @ Y_unit.T  # (m, n)
  • 时间复杂度 O(mnd),但全部由底层 BLAS 加速,比 Python 循环快 100–1000 倍
  • 注意:输入必须是 float 类型,int 会导致除法截断;建议用 X.astype(np.float64)
  • 若某行标准差为 0(常数向量),其与任意行相关系数定义为 0,代码中用极小值避免 nan

使用 sklearn.metrics.pairwise.cosine_similarity 的前提和陷阱

它算的是余弦相似度,等价于 Pearson 相关系数 **仅当两组数据均已行中心化**。没中心化就直接用,结果完全错误。

  • 正确用法:from sklearn.metrics.pairwise import cosine_similarity,然后传入 centered_X, centered_Y(同上一步中心化)
  • 优势:自动处理稀疏矩阵、支持多线程(n_jobs 参数)
  • 坑:默认不中心化;且对 float32 支持不稳定,建议统一用 float64
  • 性能对比:在 m=n=5000、d=100 时,手动向量化比 cosine_similarity 快约 1.5×(因省去参数校验和封装开销)

最易被忽略的一点:高维下很多行可能是近似常数(比如传感器静默期),标准差接近浮点精度,此时中心化后除法会放大误差。实际使用前建议加一行 X = np.where(np.std(X, axis=1, keepdims=True) 显式置零,比用 1e-12 更鲁棒。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5564

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33977

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3103

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程