为什么numpy中的.T会改变矩阵的形状并使代码起作用？

Question

[我正在跟踪此tutorial online from kaggle，但我无法理解为什么.T改变矩阵的形状。这是我停留的部分：

我基本上在射击代码时遇到了麻烦，并尝试了此：

 cm = np.corrcoef(df_train[cols].values)
 cm.shape

返回1460x1460的矩阵

输入时

 cm = np.corrcoef(df_train[cols].values.T)
 cm.shape

它返回一个10x10的矩阵

有人知道为什么这样做吗？我不知道。

Answer 1

从corrcoef的numpy documentation：

x : array_like
A 1-D or 2-D array containing multiple variables and observations. 
Each row of x represents a variable, and 
each column a single observation of all those variables. Also see rowvar below.

请注意，每个row代表一个变量，在第一种情况下，您有1460行10列，在第二种情况下，您有10行有1460列。

因此，当您转置NumPy数组时，您的基本变化是从1460个变量（每个变量具有10个值）到10个变量（每个变量具有1460个值。）>

如果您正在处理熊猫，则可以使用内置的.corr()方法来计算columns

之间的相关性。

Answer 2

相关性为您提供了数据帧的所有“列”之间的协方差矩阵的归一化