我怎樣才能擺脫循環，並使我的相關矩陣功能更有效

Question

我有這個函數，計算相關矩陣和預期工作，但我試圖使它更有效率，擺脫循環，但我'這樣做很麻煩。我下面的功能：

def correlation(X): 
    N = X.shape[0] # num of rows 
    D = X.shape[1] # num of cols 

    covarianceMatrix = np.cov(X) # start with covariance matrix 

    # use covarianceMatrix to create size of M 
    M = np.zeros([covarianceMatrix.shape[0], covarianceMatrix.shape[1]]) 

    for i in range(covarianceMatrix.shape[0]): 
     for j in range(covarianceMatrix.shape[1]): 

      corr = covarianceMatrix[i, j]/np.sqrt(np.dot(covarianceMatrix[i, i], covarianceMatrix[j, j])) 
      M[i,j] = corr 

    return M 

什麼將使用numpy的是執行這個計算更有效的方式，而不是使用其內置它的功能，如corrcoef（）。

Answer 1

一旦你有協方差矩陣，你只需要乘以對角線倒數平方根的乘積即可。使用你的代碼位爲出發點：

covarianceMatrix = np.cov(X) 
tmp = 1.0/np.sqrt(np.diag(covarianceMatrix)) 

corr = covarianceMatrix.copy() 
corr *= tmp[:, None] 
corr *= tmp[None, :] 

，如果您有複雜的價值觀，你應該-1到1之間通過可能夾有點難度：

np.clip(corr, -1, 1, out=corr)