如何计算 2 个矩阵的相关性但对每一行使用特定的 idx

Question

我想通过选择特定 idx 但不使用循环的每一行来计算 2 个矩阵的相关性。

例如：

A = np.array([[ 4,  8,  9,  2, 10,  3,  7,  2,  3,  4],
              [ 2,  4,  4,  8,  4,  4,  6,  4,  6,  5],
              [10,  7,  3,  2,  4,  2,  5,  2,  7, 10]])

B = np.array([[ 4, 10,  6,  7,  2,  9,  2, 10,  6,  1],
              [ 3, 10, 10,  6,  8,  6,  4,  6,  2,  1],
              [ 3,  3,  1,  6,  7,  1, 10,  8,  1,  6]])

对于第一行 idx = [1,5,6,8,9]，对于第二行和第三行 idx 不同并且 idx 的数字不同（例如 idx = [1, 2, 6]）

所以第一个结果是 np.corrcoef(A[0, idx], B[0, idx]).

如何只使用 numpy 对所有行执行此操作？

我的代码如下

threshold = np.arange(80, 161, 5)
sample_math = np.random.normal(60, 10, size=(len(threshold), 10**4))
sample_rus = np.random.normal(60, 10, size=(len(threshold), 10**4))
sample = sample_rus + sample_math

idx_row, idx_col = np.where(sample > threshold[:, None])
np.corrcoef(sample_math[idx_row, idx_col], sample_rus[idx_row, idx_col])

这里的问题是变量 sample_math[idx_row, idx_col] 和 sample_rus[idx_row, idx_col] 的形状是 (some number,) 所以 python 只需一次计算所有行的 corr

Answer 1

您可以使用循环分别计算每一行的相关性，例如：

    ...
    idx = [[1,5,6,8,9], [1, 2, 6], [0, 3, 7]]
    
    correlations = []
    for i in range(A.shape[0]):
        corr = np.corrcoef(A[i, idx[i]], B[i, idx[i]])[0, 1]
        correlations.append(corr)
    
    correlations = np.array(correlations)

希望对您有所帮助。

干杯:)