Python实战:计算向量夹角及相关系数

在Python中,我们可以使用NumPy库来计算向量之间的夹角(通常是它们之间的余弦相似度)以及皮尔逊相关系数(Pearson correlation coefficient)。下面是一个Python脚本,展示了如何执行这些计算。

首先,确保你已经安装了NumPy库。如果没有,可以通过pip来安装:

bash 复制代码
pip install numpy

然后,你可以使用以下Python脚本来计算向量夹角和相关系数:

python 复制代码
import numpy as np

# 定义两个向量
vec1 = np.array([1, 2, 3])
vec2 = np.array([4, 5, 6])

# 计算向量夹角(余弦相似度)
# 使用numpy的dot函数计算点积,linalg.norm计算范数
cos_sim = np.dot(vec1, vec2) / (np.linalg.norm(vec1) * np.linalg.norm(vec2))
print(f"向量夹角(余弦相似度): {cos_sim}")

# 计算皮尔逊相关系数
# 使用numpy的corrcoef函数
correlation_matrix = np.corrcoef(vec1, vec2)
pearson_correlation = correlation_matrix[0, 1]
print(f"皮尔逊相关系数: {pearson_correlation}")

# 如果你有两个等长的向量组成的二维数组(比如多对向量),
# 你可以直接传入这些向量组成的二维数组到corrcoef函数
# 例如:
vecs = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
correlation_matrix_multiple = np.corrcoef(vecs)
print(f"多向量皮尔逊相关系数矩阵:\n{correlation_matrix_multiple}")

在这个脚本中,我们首先定义了两个向量vec1vec2。然后,我们使用NumPy的dot函数来计算两个向量的点积,并使用linalg.norm函数来计算每个向量的范数(即长度)。余弦相似度就是点积除以两个范数的乘积。

接下来,我们使用NumPy的corrcoef函数来计算两个向量之间的皮尔逊相关系数。这个函数返回一个相关系数矩阵,但因为我们只传入了两个向量,所以结果矩阵只有一个非对角线元素(即两个向量之间的相关系数)。

最后,我们展示了如何计算多个向量对之间的皮尔逊相关系数矩阵。我们创建了一个二维数组vecs,其中包含了多对向量,并将这个数组传递给corrcoef函数。结果是一个相关系数矩阵,其中每个元素i, j表示vecs中第i个向量和第j个向量之间的相关系数。

相关推荐
AGG_Chan18 小时前
flutter专栏--深入了解widget原理
开发语言·javascript·flutter
Darenm11119 小时前
JavaScript事件流:冒泡与捕获的深度解析
开发语言·前端·javascript
whltaoin19 小时前
Java 后端与 AI 融合:技术路径、实战案例与未来趋势
java·开发语言·人工智能·编程思想·ai生态
wjs202419 小时前
jEasyUI 自定义窗口工具栏
开发语言
二十雨辰19 小时前
vite与ts的结合
开发语言·前端·vue.js
xiaohanbao0919 小时前
Transformer架构与NLP词表示演进
python·深度学习·神经网络
亦良Cool19 小时前
如何部署一个Java项目
java·开发语言
沐知全栈开发19 小时前
JavaScript 输出
开发语言
love530love20 小时前
【笔记】 Podman Desktop 中部署 Stable Diffusion WebUI (GPU 支持)
人工智能·windows·笔记·python·容器·stable diffusion·podman
程序员晚枫20 小时前
Python 3.14正式发布!这5大新特性太炸裂了
python