动态时间扭曲 (DTW) 和相关性捕获两个时间序列之间相似性的非常不同的方面。选择哪一个取决于您对什么感兴趣 - 您没有在问题中提供的信息。

但是，我将举一个示例，可能有助于为您澄清差异。假设您认为以下两个时间序列相等：

a = [1,1,2,3,4,3,2,1,1,1,1,1,1,1,1,1,1]    
b = [1,1,1,1,1,1,1,1,1,1,1,2,3,4,3,2,1]

对于这个例子，DTW 距离 - 在这里计算- 返回：DTWDistance(a,b) = 0，因为 DTW 距离允许时间上的偏移，并且有效地比较了时间序列的形状，而对拉伸的重要性不高。而这里的相关性返回例如np.corrcoeff(a,b) = -0.33471074

我们希望将相似的对象聚集在一起。因此，我们使用相异性度量，它产生 0，如果两个对象相等，则值越高，它们越不同。这种相异性度量的最相关属性将是度量要求，例如Wikipedia中的度量要求。对于相关性 - 假设您的意思是皮尔逊相关系数 - 这些要求没有得到满足。因此，我建议使用 DTW。然而，在某些应用中，基于相关性的聚类可能会产生很好的结果。

最好的方法：尝试两者并比较结果。然后选择符合您期望的那个。