p每个矩阵项的时间序列值（3dim）

Question

我想关联每个网格框的时间序列（540个月长），循环2个纬度x 6个经度=总共12个网格框。我设法得到了相关系数，但是p值变成了“nan”，尽管它们不应该

我的数据信息：

• 数据1-形状：（540，2，6）尺寸：3
• 数据2-形状：（540，2，6）尺寸：3

我试过了：

1. np.corrcoef(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln])[0,1] 可以很好地获得相关系数，但对于 p值
2. slope,intercept,r_value,p_value,std_err=scipy.stats.linregress(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln]) 给出pvalue=nan
3. scipy.stats.pearsonr(TheData1[gotdata,lt,ln],TheData2[gotdata,lt,ln]) 给出错误

"ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or 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]

Answer 1

仅通过选择gotdata的第一个条目（[0]）来解决：

gotdata = np.where((TheData1[:,lt,ln] > TheMDI) & (TheData2[:,lt,ln] > TheMDI))[0]

这使得scipy.stats.pearsonr给出一个p值