python 协方差矩阵_numpy中的方差、协方差、相关系数

一、np.var

数学上学过方差：

np.var()实际上是均方差，均方差的意义就是将方差进行了平均化，从而使得此值不会随着数据的增多而发生变化。

np.std()是标准差，np.std()的平方等于np.var()，标准差在高斯分布中用

表示。

不论是方差还是标准差，它们衡量的都是二阶中心矩。为什么是二阶而不是一阶？这是一个问题。

函数原型：numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)

计算张量a在axis轴上的方差

a：一个ndarray，不一定是一维

axis：可取值为None，int，int元组。当取值为None时，会把张量a展平成一维数组；当指定一个或多个int时，沿着axis指定的轴计算方差，其它轴的形状会保留。

dtype：在计算方差的时候使用的数据类型，如果a是int类型的张量，计算方差时也会使用float32类型

out：放置计算结果的数组，主要用于节省空间，out的维度必须保证正确

ddof：int，ddof是“Delta Degrees of Freedom”，表示自由度的个数，在计算方差时，分子是各个值和均值的差的平方之和，分母为(N-ddof)

keepdims：是否保留a的形状

返回值variance是一个ndarray

import numpy as npa =