我正在寻找在两个矩阵之间应用统计函数的最优雅的方法(某种映射/一二一运算)。这是我的函数应用于两个 20 项长分布
stats.pearsonr(data["histograms"][0][15][2], regions_hist[0][15][2])[0]
> 0.42524395175128987
两个矩阵具有相同的形状
data["histograms"][0].shape
> (16, 3, 20)
regions_hist[0].shape
> (16, 3, 20)
我正在寻找的是一种方法
Correlations = FancyMapping(data["histograms"][0],regions_hist[0])
Correlations.shape # matrix with the 16*3 correlations between items of both
>(16,3)
你认为有什么优雅的解决方案吗(塑造方面对我的问题很重要)？
最佳答案
看来您的示例已经在文档中，请参阅 https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.vectorize.html 的底部。所以
import scipy.stats
pearsonr = np.vectorize(scipy.stats.pearsonr, signature='(n),(n)->(),()')
correlations = pearsonr(data["histograms"][0],regions_hist[0])
应该可以:)
关于python - 将函数应用于两个形状相同的 numpy 矩阵，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48324935/