皮尔逊相关系数

Function 
1
2
from scipy.stats import pearsonr
pearsonr(x,r)

输入：

x:输入数据1(1维序列)

y:输入数据2(1维序列)

返回：

r：皮尔逊相关系数

p-value ：双尾P值

该函数优点在于可以直接输出P值，省去了再次计算置信区间的步骤，缺点在于仅适用于两个一维序列。

改进： 将以下内容复制进*.py文件，与使用脚本放在同一文件夹内，通过import * 调用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
'''
function ：escorc(x,y,opt)
计算x与y的相关系数，及其双尾P值。 
x必须为一维数组
y可以为一维数组或三维数组，若y为一维数组，opt为1，计算两序列相关系数；
若y为三维数组，则时间维度必须在最左边，即axis=0，opt =2，计算序列和场的相关关系分布。
返回r,t
'''
import numpy as np
from scipy.stats import pearsonr
from numba import jit
@jit
def escorc(x,y,opt):
    if opt==1:
        r,p = pearsonr(x,y)
    elif opt ==2:
        lat = y.shape[1]
        lon = y.shape[2]
        r,p = np.zeros((lat,lon)),np.zeros((lat,lon))
        for i in range(lat):
            for j in range(lon):
                r[i,j],p[i,j] = pearsonr(x,y[:,i,j])
    return r,p
1
2
import **
r,p = escorc(x,y,opt)

x必须为一维数组

y可以为一维数组或三维数组，若y为一维数组，opt为1，计算两序列相关系数；

若y为三维数组，则时间维度必须在最左边，即axis=0，opt =2，计算序列和场的相关关系分布。

返回相关系数r和双尾p值。

该自定义函数保留了NCL计算相关系数的函数名escorc()，同时加入了numba提高了循环计算的速度，同时支持两序列以及序列和气候要素场相关系数的计算。缺点是输入数据有格式要求，即时间维必须是最左维，同时y为序列时opt=1，y为三维数组时opt=2。