HOWTO · NumPy

Kovarianz in Python NumPy

Berechnen Sie die Kovarianz in Python mit numpy.cov(): was Kovarianz bedeutet, ein durchgerechnetes Beispiel mit zwei Arrays, der Unterschied zwischen Stichproben- und Populationsnormalisierung (bias/ddof) und wie man die Kovarianzmatrix liest.

Auf dieser Seite

Das Verständnis der Kovarianz ist für die Datenanalyse von entscheidender Bedeutung, insbesondere wenn Sie versuchen zu bestimmen, wie sich zwei Variablen gemeinsam verändern. In Python bietet die NumPy-Bibliothek eine Funktion, numpy.cov(), die die Kovarianz zwischen zwei oder mehr Arrays für Sie berechnet. Ob Sie Datenwissenschaftler, Statistiker oder einfach nur an Datenanalyse interessiert sind, die Beherrschung dieser Funktion kann Ihre analytischen Fähigkeiten verbessern und Ihre Projekte voranbringen.

In diesem Artikel werden wir untersuchen, wie man numpy.cov() effektiv verwendet, und klare Beispiele und detaillierte Erklärungen liefern, um Ihnen zu helfen, das Konzept der Kovarianz in Python zu verstehen. Also, lassen Sie uns eintauchen!

Was ist Kovarianz?

Kovarianz ist ein statistisches Maß, das angibt, inwieweit sich zwei Zufallsvariablen gemeinsam verändern. Wenn die Variablen dazu neigen, gemeinsam zu steigen und zu fallen, ist die Kovarianz positiv. Umgekehrt ist die Kovarianz negativ, wenn eine Variable tendenziell steigt, während die andere fällt. Eine Kovarianz nahe null zeigt an, dass die Variablen keine lineare Beziehung haben — beachten Sie, dass dies schwächer ist als Unabhängigkeit: Zwei Variablen können auf nichtlineare Weise voneinander abhängen und trotzdem eine Kovarianz von null haben.

In der Praxis wird die Kovarianz häufig in den Bereichen Finanzen, Statistik und maschinelles Lernen verwendet, um Beziehungen zwischen verschiedenen Datensätzen zu verstehen. Durch die Berechnung der Kovarianz können Sie Einblicke gewinnen, wie Änderungen in einem Datensatz einen anderen beeinflussen könnten.

Verwendung von numpy.cov() zur Berechnung der Kovarianz

Die Funktion numpy.cov() ist die Methode der Wahl zur Berechnung der Kovarianz in Python. Sie können ihr zwei 1D-Arrays (oder ein 2D-Array, dessen Zeilen Variablen sind) übergeben, und sie gibt die Kovarianzmatrix zurück: die Varianzen der Variablen auf der Diagonalen und die Kovarianzen zwischen jedem Paar außerhalb der Diagonalen. Standardmäßig berechnet sie die Stichprobenkovarianz und teilt durch N-1, wobei N die Anzahl der Beobachtungen ist.

Beispiel für die Berechnung der Kovarianz zwischen zwei Arrays

Beginnen wir mit einem einfachen Beispiel für die Berechnung der Kovarianz zwischen zwei NumPy-Arrays. Stellen Sie sich vor, Sie haben zwei Datensätze, die die Körpergrößen und Gewichte einer Gruppe von Personen darstellen.

import numpy as np

heights = np.array([1.5, 1.6, 1.7, 1.8, 1.9])
weights = np.array([50, 55, 60, 65, 70])

cov_matrix = np.cov(heights, weights)
print(cov_matrix)

Ausgabe:

[[2.50e-02 1.25e+00]
 [1.25e+00 6.25e+01]]

In diesem Beispiel importieren wir zunächst die NumPy-Bibliothek und erstellen zwei Arrays: heights und weights. Wir verwenden dann numpy.cov(), um die Kovarianzmatrix zwischen diesen beiden Arrays zu berechnen. (Aktuelles NumPy gibt die kleinen Werte hier in wissenschaftlicher Notation aus; 2.50e-02 ist 0,025 und 6.25e+01 ist 62,5.)

Der Wert oben links (0,025) ist die Varianz der Körpergrößen, und der Wert unten rechts (62,5) ist die Varianz der Gewichte. Die beiden Werte außerhalb der Diagonalen (1,25) sind die Kovarianz zwischen Körpergrößen und Gewichten — positiv, weil in diesen Daten größere Personen auch schwerer sind. Diese Matrix bietet einen kompakten Überblick darüber, wie diese beiden Variablen interagieren.

Berechnung der Kovarianz mit Populationsnormalisierung

Standardmäßig teilt numpy.cov() durch N-1 — die Stichprobennormalisierung, die die richtige Wahl ist, wenn Ihre Daten eine Stichprobe aus einer größeren Population sind. Wenn Ihre Daten die gesamte Population sind, teilen Sie stattdessen durch N, indem Sie bias=True übergeben (äquivalent: ddof=0):

import numpy as np

heights = np.array([1.5, 1.6, 1.7, 1.8, 1.9])
weights = np.array([50, 55, 60, 65, 70])

cov_matrix_population = np.cov(heights, weights, bias=True)
print(cov_matrix_population)

Ausgabe:

[[2.e-02 1.e+00]
 [1.e+00 5.e+01]]

Jeder Wert ist um den Faktor (N-1)/N kleiner als in der Stichprobenversion — hier 4/5, so dass die Kovarianz von 1,25 auf 1,0 sinkt. Keine der beiden Versionen ist im Allgemeinen “genauer”; sie beantworten unterschiedliche Fragen, und bei großem N wird der Unterschied vernachlässigbar. Verwenden Sie die Populationsform, wenn die Daten die gesamte Population abdecken, die Sie interessiert, und andernfalls die Standard-Stichprobenform.

Interpretation der Kovarianzmatrix

Das Verständnis der Kovarianzmatrix ist unerlässlich, um fundierte Entscheidungen auf der Grundlage Ihrer Daten zu treffen. Die Diagonalelemente der Kovarianzmatrix stellen die Varianzen jeder Variable dar, während die Elemente außerhalb der Diagonalen die Kovarianzen zwischen den Variablen darstellen.

Berücksichtigen Sie bei der Interpretation der Kovarianzwerte Folgendes:

  • Eine positive Kovarianz zeigt an, dass die Variablen dazu neigen, gemeinsam zu steigen oder zu fallen.
  • Eine negative Kovarianz deutet auf eine umgekehrte Beziehung hin, bei der eine Variable steigt, während die andere sinkt.
  • Eine Kovarianz nahe null impliziert, dass die Variablen keine lineare Beziehung haben.

Was die Kovarianz Ihnen nicht sagt, ist die Stärke der Beziehung: Ihre Größe hängt von den Einheiten und Skalen der Variablen ab, so dass Kovarianzwerte über verschiedene Datensätze hinweg nicht vergleichbar sind. Diese Vergleichbarkeit ist es, die die Korrelation hinzufügt, indem sie die Kovarianz auf den Bereich -1 bis 1 normalisiert. In unserem Beispiel sagt die positive Kovarianz zwischen Körpergröße und Gewicht nur aus, dass mit zunehmender Körpergröße auch das Gewicht tendenziell zunimmt — diese Einsicht kann weitere Analyse- oder Entscheidungsprozesse leiten.

Fazit

Kovarianz ist ein grundlegendes Konzept in Statistik und Datenanalyse, und die Funktion numpy.cov() in Python macht es einfach, die Kovarianz zwischen Datensätzen zu berechnen. Indem Sie verstehen, wie Sie diese Funktion verwenden — einschließlich der Wahl zwischen Stichproben- und Populationsnormalisierung —, können Sie wertvolle Einblicke in die Beziehungen zwischen verschiedenen Variablen gewinnen. Ob Sie Finanzdaten analysieren, wissenschaftliche Forschung betreiben oder an Projekten zum maschinellen Lernen arbeiten, die Beherrschung der Kovarianz wird Ihren analytischen Werkzeugkasten erweitern. Also, legen Sie mit NumPy los und erkunden Sie die faszinierende Welt der Datenbeziehungen!

FAQ

  1. Was ist Kovarianz?
    Kovarianz ist ein statistisches Maß, das angibt, wie sich zwei Zufallsvariablen gemeinsam verändern, und ihre Beziehung aufzeigt.

  2. Wie berechne ich die Kovarianz in Python?
    Sie können die Kovarianz in Python mit der Funktion numpy.cov() berechnen, die ein oder mehrere NumPy-Arrays entgegennimmt und die Kovarianzmatrix zurückgibt.

  3. Was bedeutet eine positive Kovarianz?
    Eine positive Kovarianz zeigt an, dass, wenn eine Variable zunimmt, die andere Variable ebenfalls tendenziell zunimmt.

  4. Kann Kovarianz negativ sein?
    Ja, eine negative Kovarianz deutet darauf hin, dass eine Variable tendenziell zunimmt, während die andere abnimmt.

  5. Was ist der Unterschied zwischen Kovarianz und Korrelation?
    Die Kovarianz misst die Richtung der Beziehung zwischen zwei Variablen, während die Korrelation sowohl die Stärke als auch die Richtung dieser Beziehung misst, normalisiert zwischen -1 und 1.