Почему corrcoef возвращает матрицу?

Ответ 1

Он позволяет вычислять коэффициенты корреляции > 2 наборов данных, например

>>> from numpy import *
>>> a = array([1,2,3,4,6,7,8,9])
>>> b = array([2,4,6,8,10,12,13,15])
>>> c = array([-1,-2,-2,-3,-4,-6,-7,-8])
>>> corrcoef([a,b,c])
array([[ 1.        ,  0.99535001, -0.9805214 ],
       [ 0.99535001,  1.        , -0.97172394],
       [-0.9805214 , -0.97172394,  1.        ]])

Здесь мы можем получить коэффициент корреляции a, b (0.995), a, c (-0.981) и b, c (-0.972) сразу. Случай с двумя данными - это просто частный случай класса N-данных. И, вероятно, лучше сохранить один и тот же тип возврата. Поскольку "одно значение" можно получить просто с помощью

>>> corrcoef(a,b)[1,0]
0.99535001355530017

нет большой причины для создания специального случая.

Ответ 2

corrcoef возвращает нормированную матрицу ковариации.

Ковариационная матрица является матрицей

Cov( X, X )    Cov( X, Y )

Cov( Y, X )    Cov( Y, Y )

Нормализованный, это даст матрицу:

Corr( X, X )    Corr( X, Y )

Corr( Y, X )    Corr( Y, Y )

correlation1[0, 0 ] - это корреляция между Strategy1Returns и самой, которая должна быть 1. Вам просто нужно correlation1[ 0, 1 ].

Ответ 3

Корреляционная матрица является стандартным способом выражения корреляций между произвольным конечным числом переменных. Корреляционная матрица из N векторов данных представляет собой симметричную матрицу N × N с диагональю единицы. Только в случае N = 2 эта матрица имеет один свободный параметр.

Ответ 4

Рассмотрите возможность использования элементов matplotlib.cbook

например:

import matplotlib.cbook as cbook
segments = cbook.pieces(np.arange(20), 3)
for s in segments:
     print s

Ответ 5

Функция Корреляция numpy работает с 2 1D массивами, которые вы хотите скорректировать и возвращает одно значение корреляции.