我如何才能摆脱循环，使我的相关矩阵函数更有效

Question

我有这个函数，计算相关矩阵和预期的工作，但我试图使它更有效，摆脱循环，但我有困难这样做。我的职责如下：

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

使用numpy而不使用corrcoef（）等内置函数执行此计算的更有效方法是什么。你知道吗

Answer 1

一旦你有了协方差矩阵，你只需要乘以对角线逆平方根的乘积。使用代码的位作为起点：

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

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

如果您有复杂的值，则会有点困难，您可能应该通过以下方式在-1和1之间剪裁：

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