Kovarianz in Python NumPy

In diesem Tutorial wird die Methode zur Berechnung der Kovarianz zwischen zwei NumPy-Arrays in Python vorgestellt.

Kovarianz mit der Funktion numpy.cov()

In der Statistik ist die Kovarianz das Maß für die Veränderung einer Variablen mit der Veränderung der anderen Variablen. Die Kovarianz sagt uns, wie stark sich eine Variable ändert, wenn eine andere Variable geändert wird. Wir können die Kovarianz zwischen zwei NumPy-Arrays mit der numpy.cov(a1, a2)-Funktion in Python berechnen.

Dabei steht a1 für eine Sammlung von Werten der ersten Variablen und a2 für eine Sammlung von Werten der zweiten Variablen. Die Funktion numpy.cov() gibt ein 2D-Array zurück, in dem der Wert am Index [0][0] die Kovarianz zwischen a1 und a1 ist, der Wert am Index [0][1] ist die Kovarianz zwischen a1 und a2, der Wert am Index [1][0] ist die Kovarianz zwischen a2 und a1 und der Wert am Index [1][1] ist die Kovarianz zwischen a2 und a2. Siehe das folgende Codebeispiel.

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([2, 4, 5])

covariance = np.cov(array1, array2)[0][1]
print(covariance)

Ausgabe:

1.5

Wir haben zunächst die beiden NumPy-Arrays array1 und array2 mit der Funktion np.array() erstellt. Dann haben wir die Kovarianz mit np.cov(array1, array2)[0][1] berechnet und das Ergebnis in der Variablen covariance gespeichert. Am Ende haben wir den Wert innerhalb der Variablen covariance ausgegeben.