scipy.pdist() returns NaN values

Question

我正在尝试对时间序列进行聚类。聚类内元素具有相同的形状，但比例不同。因此，我想使用相关度量作为聚类的指标。我正在尝试相关或皮尔逊系数距离(欢迎任何建议或替代方案(。但是，当我运行 Z = linkage(dist( 时，以下代码返回错误，因为 dist 中有一些 NaN 值。time_series中没有 NaN 值，这已通过

np.any(isnan(time_series))

返回假

from scipy.spatial.distance import pdist
from scipy.cluster.hierarchy import dendrogram, linkage
dist = pdist(time_series, metric='correlation') 
Z = linkage(dist)
fig = plt.figure()
dn = dendrogram(Z)
plt.show()

作为替代方案，我将使用皮尔逊距离

from scipy.stats import pearsonr
def pearson_distance(a,b):
    return 1 - pearsonr(a,b)[0]
dist = pdist(time_series, pearson_distance)`

但这会产生一些运行时警告并花费大量时间。

Answer 1

scipy.pdist(time_series, metric='correlation')

如果您查看手册，correlation选项除以差额。因此，您可能有两个相同的时间戳，将zero除以zero会给我们带来NaN 。