Python NumPy cov方法用法及代码示例

Numpy 的 cov(~) 方法计算给定两个数组的协方差。

1. x | array-like

每行代表一个单独的列数据(即变量)。请参阅下面的示例以进行说明。

2. y | array-like | optional

您无需将数据集指定为 x 中的新行，只需将其指定为 y 即可。

3. rowvar | boolean | optional

如果为 True，则 x 中的每一行代表一个变量。如果为 False，则 x 中的每一列代表一个变量。默认情况下，rowvar=True 。

4. bias | boolean | optional

是否计算协方差的有偏估计或无偏估计。默认情况下，bias=False(样本协方差)。

5. ddof | int | optional

自由度δ。这可以用来修改前面的分母：

默认情况下，ddof=0 。

6. fweights | array-like | optional

每次观察应重复的次数。请参阅下面的示例以进行说明。

7. aweights | array-like | optional

每个观测值上放置的一维权重数组。权重越高，观察结果越重要。

如果给定一个变量，则返回 a 标量。否则，返回一个 Numpy 数组。

np.cov([2,3,5,6], [3,5,8,12])



array([[ 3.33333333,  7.        ],
       [ 7.        , 15.33333333]])

这与指定二维数组完全相同：

np.cov([[2,3,5,6], [3,5,8,12]])



array([[ 3.33333333, 7. ],
       [ 7. , 15.33333333]])

np.cov([2,3,5,6], [3,5,8,12], ddof=0)



array([[ 2.5 ,  5.25],
       [ 5.25, 11.5 ]])

您还可以设置bias=True：

np.cov([2,3,5,6], [3,5,8,12], bias=True)



array([[ 2.5 , 5.25],
       [ 5.25, 11.5 ]])

np.cov([2,3,5,6], [3,5,8,12], fweights=[2,1,1,1])



array([[ 3.3 ,  6.85],
       [ 6.85, 14.7 ]])

这与以下内容完全相同：

np.cov([2,2,3,5,6], [3,3,5,8,12])



array([[ 3.3 ,  6.85],
       [ 6.85, 14.7 ]])

也就是说，每个数组的第一个值重复两次，如 fweights 指定的那样。

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 NumPy | cov method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。