Question

我试图找出如何使用Python Numpy函数cov计算协方差。当我传递两个一维数组时，我得到了一个2x2的结果矩阵。我不知道该怎么做。我在统计数据上并不擅长，但我认为在这种情况下的协方差应该只是一个数字。我正在寻找This。我自己写了：

def cov(a, b):

    if len(a) != len(b):
        return

    a_mean = np.mean(a)
    b_mean = np.mean(b)

    sum = 0

    for i in range(0, len(a)):
        sum += ((a[i] - a_mean) * (b[i] - b_mean))

    return sum/(len(a)-1)

这很有效，但我认为Numpy版本效率更高，如果我能弄清楚如何使用它。

有人知道如何使Numpy cov功能像我写的那样表现吗？

谢谢，

戴夫

Answer 1

当a和b是1维序列时，numpy.cov(a,b)[0][1]相当于您的cov(a,b)。

np.cov(a,b)返回的2x2数组的元素等于

cov(a,a)  cov(a,b)

cov(a,b)  cov(b,b)

（其中，cov是您在上面定义的函数。）

Answer 2

感谢unutbu的解释。默认情况下，numpy.cov会计算样本协方差。要获得总体协方差，您可以通过总N个样本指定归一化，如下所示：

my %hash = ( key1 => 1 , key2 => 2)

或者像这样：

Covariance = numpy.cov(a, b, bias=True)[0][1]
print(Covariance)

Answer 3

注意从Python 3.10 ^{release schedule}开始，可以直接从标准库中获取协方差。

使用 statistics.covariance 这是两个输入的联合可变性的度量（您正在寻找的数字）：

from statistics import covariance

# x = [1, 2, 3, 4, 5, 6, 7, 8, 9]
# y = [1, 2, 3, 1, 2, 3, 1, 2, 3]
covariance(x, y)
# 0.75

用Python和Numpy计算协方差

3 个答案: