编写带滑动时间窗的带入数据的皮尔逊相关系数的代码

下面是一个使用滑动时间窗口计算皮尔逊相关系数的示例代码：

import numpy as np
from scipy.stats import pearsonr

def sliding_window(data, window_size):
    for i in range(len(data) - window_size + 1):
        yield data[i:i+window_size]

def pearson_correlation(data1, data2):
    correlation = pearsonr(data1, data2)[0]
    return correlation

def sliding_pearson_correlation(data1, data2, window_size):
    correlations = []
    for window1, window2 in zip(sliding_window(data1, window_size), sliding_window(data2, window_size)):
        correlation = pearson_correlation(window1, window2)
        correlations.append(correlation)
    return correlations

# 示例数据
data1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
data2 = [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]
window_size = 3

correlations = sliding_pearson_correlation(data1, data2, window_size)

print(correlations)

在上面的示例中，sliding_window函数用于生成滑动时间窗口，它接受一个数据列表和窗口大小作为输入，并返回一个生成器，每次生成一个窗口。pearson_correlation函数用于计算两个窗口数据的皮尔逊相关系数。sliding_pearson_correlation函数使用sliding_window生成器获取两个数据列表的窗口，并调用pearson_correlation函数计算相关系数。最后，将计算得到的相关系数存储在一个列表中并输出。

在示例数据中，data1和data2分别表示两个时间序列数据，window_size表示时间窗口的大小。运行上述代码，将输出滑动时间窗口内的皮尔逊相关系数列表