矩阵中每项时间序列的P值(3-dim)
矩阵中每项时间序列的P值(3-dim)
提问于 2019-09-03 20:22:20
我想把时间序列(540个月长)对应于每一个网格盒，在两个纬度上循环x 6经度=12个网格盒。我设法得到了相关系数，但p值最终被证明是"nan“，尽管它们不应该。
关于我数据的信息：
- TheData1 -形状：(540，2，6)维数:3
- TheData2 -形状：(540，2，6)维数:3
我试过：
np.corrcoef(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln])[0,1]可以很好地得到相关系数，但对于p值则不行.slope,intercept,r_value,p_value,std_err=scipy.stats.linregress(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln])给了pvalue=nan。scipy.stats.pearsonr(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln])给出了错误
"ValueError:包含多个元素的数组的真值不明确。使用a.any()或a.all()“
TheMDI代表-1e30，缺少数据。
代码：
for lt in range(NLats): # range nlats goes through 0...36
for ln in range(NLons): # range nlons goes through 0...72
# Short way
# create a map pointing to the elements of the array that are non-missing
gotdata = np.where((TheData1[:,lt,ln] > TheMDI) & (TheData2[:,lt,ln] > TheMDI))
OutputData[lt,ln] = np.corrcoef(TheData1[gotdata,lt,ln]/np.std(TheData1[gotdata,lt,ln]),TheData2[gotdata,lt,ln]/np.std(TheData2[gotdata,lt,ln]))[0,1]
OutputDataSig[lt,ln]=scipy.stats.linregress(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln])[3]回答 1
Stack Overflow用户
回答已采纳
发布于 2019-09-09 00:01:54
只选择gotdata数据的第一个条目()就可以解决问题：
gotdata = np.where((TheData1[:,lt,ln] > TheMDI) & (TheData2[:,lt,ln] > TheMDI))[0]这使得scipy.stats.pearsonr给出了一个p值.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57778278
复制相关文章
相似问题
腾讯云开发者
