python数据分析的协方差矩阵和相关矩阵的计算

数据分析的协方差矩阵和相关矩阵的计算（第一种手动编程实现， 第二种导入库实现）

文章目录

• 前言
• 一、数据分析的协方差矩阵和相关矩阵的计算（第一种手动编程， 第二种导入库实现）
• 二、使用步骤
  • 1.第一种手动编程实现
  • 2.第二种导入库实现
• 总结

---

前言

数据分析的基础就是计算得出协方差矩阵和相关矩阵，然后进一步分析和计算

这次我举两个小例子，便于大家理解和体会

---

一、协方差矩阵和相关矩阵的手动编程实现

1.实现过程

代码如下（示例）：

print('================正常的自己手动编写的算法程序==============')
print('.........上课例题，数据已经给定，只是显示方法的执行流程..............')

origin_list = [[1, 0, 1, 0], [1, 0, 1, 0], [0, 1, 0, 1], [1, 0, 0, 1]]

index_1 = 0
avg = [0, 0, 0, 0]
for li in origin_list:
    for num in li:
        avg[index_1] += num/len(li)
    index_1 += 1

print('各个平均数: ', avg)

xiefangcha = [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]
i = -1
for li_1 in origin_list:
    i += 1
    j = -1
    for li_2 in origin_list:
        j += 1
        for num_1, num_2 in zip(li_1, li_2):
            xiefangcha[i][j] += (num_1 - avg[i])*(num_2 - avg[j])/3

print('协方差矩阵: ', xiefangcha)

xiangguanjuzheng = [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]]
i = 0
for xie in xiefangcha:
    j = 0
    for xi in xie:
        xiangguanjuzheng[i][j] = xi/((xiefangcha[i][i]**0.5)*(xiefangcha[j][j]**0.5))
        j += 1
    i += 1

print('相关矩阵: ', xiangguanjuzheng)

结果如下：

二、协方差矩阵和相关矩阵的导入库实现

1.实现过程

代码如下（示例）：

import pandas as pd
import numpy as np

matric = [[1, 0, 1, 0], [1, 0, 1, 0], [0, 1, 0, 1], [1, 0, 0, 1]]
covariance_matrix = np.cov(matric)
print('============协方差矩阵============')
print(covariance_matrix)

df = pd.DataFrame({
    'a': [1, 0, 1, 0],
    'b': [1, 0, 1, 0],
    'c': [0, 1, 0, 1],
    'd': [1, 0, 0, 1]})
df_corr = df.corr()
print('\n============相关矩阵============')
print(df_corr)

实现结果如下：

总结

数据分析还是非常重要的，大家可以了解一下啊