Python numpy.cov()用法及代碼示例

協方差提供了兩個變量或更多組變量之間的相關強度的度量。協方差矩陣元素C_ij是xi和xj的協方差。元素Cii是xi的方差。

如果COV(xi，xj)= 0，則變量不相關
如果COV(xi，xj)> 0，則變量呈正相關
如果COV(xi，xj)>

用法：numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None, aweights=None)

參數：
m :[數組]一個1D或2D變量。變量是列
y :[數組]它具有與m相同的形式。
rowvar :[bool，可選]如果rowvar為True(默認值)，則每一行代表一個變量，各列中具有觀察值。否則，該關係將轉置：
bias :默認規範化為False。如果偏差為True，則將數據點歸一化。
ddof :如果不是“無”，則將覆蓋由偏置隱含的默認值。請注意，即使同時指定了權重和權重，ddof = 1也會返回無偏估計。
fweights :fweight是整數頻率權重的一維數組
aweights :aweight是觀測向量權重的一維數組。

返回:返回ndarray協方差矩陣

範例1：

# Python code to demonstrate the  
# use of numpy.cov 
import numpy as np 
  
x = np.array([[0, 3, 4], [1, 2, 4], [3, 4, 5]]) 
  
print("Shape of array:\n", np.shape(x)) 
  
print("Covarinace matrix of x:\n", np.cov(x))

輸出：

Shape of array:
 (3, 3)
Covarinace matrix of x:
 [[ 4.33333333  2.83333333  2.        ]
 [ 2.83333333  2.33333333  1.5       ]
 [ 2.          1.5         1.        ]]

範例2：

# Python code to demonstrate the  
# use of numpy.cov 
import numpy as np 
  
x = [1.23, 2.12, 3.34, 4.5] 
  
y = [2.56, 2.89, 3.76, 3.95] 
  
# find out covariance with respect  columns 
cov_mat = np.stack((x, y), axis = 0)  
  
print(np.cov(cov_mat))

輸出：

[[ 2.03629167  0.9313    ]
 [ 0.9313      0.4498    ]]

範例3：

# Python code to demonstrate the  
# use of numpy.cov 
import numpy as np 
  
x = [1.23, 2.12, 3.34, 4.5] 
  
y = [2.56, 2.89, 3.76, 3.95] 
  
# find out covariance with respect  rows 
cov_mat = np.stack((x, y), axis = 1)  
  
print("shape of matrix x and y:", np.shape(cov_mat)) 
  
print("shape of covariance matrix:", np.shape(np.cov(cov_mat))) 
  
print(np.cov(cov_mat))

輸出：

shape of matrix x and y: (4, 2)
shape of covariance matrix: (4, 4)
[[ 0.88445  0.51205  0.2793  -0.36575]
 [ 0.51205  0.29645  0.1617  -0.21175]
 [ 0.2793   0.1617   0.0882  -0.1155 ]
 [-0.36575 -0.21175 -0.1155   0.15125]]

相關用法

注：本文由純淨天空篩選整理自shrikanth13大神的英文原創作品 Python | numpy.cov() function。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。