Numpy中 cov() 的使用方法

1. 概述

Numpy中的 cov() 可以直接求得矩阵的协方差矩阵。
先简单概述一下什么是协方差：
在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。
期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为：
从直观上来看，协方差表示的是两个变量总体误差的期望。

2. numpy.cov()

2.1 语法

numpy.cov(m, y=None, rowvar=True)
给定数据和权重，估计协方差矩阵。

协方差表示两个变量一起变化的水平。 如果我们检查N维样本，X = [x_1，x_2，… x_N] ^ T，则协方差矩阵元素C_ {ij}是x_i和x_j的协方差。 元素C_ {ii}是x_i的方差。

2.2 参数：

m：array_like
包含多个变量和观测值的1-D或2-D数组。 m的每一行代表一个变量，每一列都是对所有这些变量的单一观察。

y：array_like，可选
另外一组变量和观察。 y具有与m相同的形式。

rowvar：布尔值，可选
如果rowvar为True（默认值），则每行代表一个变量X，另一个行为变量Y。否则，转换关系：每列代表一个变量X，另一个列为变量Y。

随着版本的变化，函数的参数也在更新，更多详情点击 查看。
返回：
变量的协方差矩阵

2.3 实例

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Time    : 2019/3/1 17:06
# @Author  : Arrow and Bullet
# @FileName: cov().py
# @Software: PyCharm
# @Blog    ：https://blog.csdn.net/qq_41800366
from numpy import *

A = array([[0, 2], [1, 1], [2, 0]]).T
print(A)  # [[0 1 2][2 1 0]]
B = cov(A)  # 默认行为变量计算方式，即X为行，Y也为行
print(B)  # [[ 1. -1.][-1.  1.]]
C = cov(A, rowvar=False)  # 此时列为变量计算方式 即X为列，Y也为列
print(C)  # [[ 2.  0. -2.][ 0.  0.  0.][-2.  0.  2.]]

希望能够帮助到大家，有什么问题可以 直接评论即可，喜欢有用的话可以点个赞让更多的人看到，如果不够详细的话也可以说，我会及时回复的。