Covarianza in Python NumPy

Muhammad Maisam Abbas 4 luglio 2021
Covarianza in Python NumPy

Questo tutorial introdurrà il metodo per calcolare la covarianza tra due array NumPy in Python.

Covarianza con la funzione numpy.cov()

In statistica, la covarianza è la misura del cambiamento in una variabile con il cambiamento nell’altra variabile. La covarianza ci dice quanto cambia una variabile se viene cambiata un’altra variabile. Possiamo calcolare la covarianza tra due array NumPy con la funzione numpy.cov(a1, a2) in Python.

Qui, a1 rappresenta una raccolta di valori della prima variabile e a2 rappresenta una raccolta di valori della seconda variabile. La funzione numpy.cov() restituisce un array 2D in cui il valore all’indice [0][0] è la covarianza tra a1 e a1, il valore all’indice [0][1] è la covarianza tra a1 e a2, il valore all’indice [1][0] è la covarianza tra a2 e a1, e il valore all’indice [1][1] è la covarianza tra a2 e a2. Vedere il seguente esempio di codice.

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)

Produzione:

1.5

Per prima cosa abbiamo creato i due array NumPy array1 e array2 con la funzione np.array(). Quindi abbiamo calcolato la covarianza con np.cov(array1, array2)[0][1] e salvato il risultato nella variabile covariance. Alla fine, abbiamo stampato il valore all’interno della variabile covariance.

Muhammad Maisam Abbas avatar Muhammad Maisam Abbas avatar

Maisam is a highly skilled and motivated Data Scientist. He has over 4 years of experience with Python programming language. He loves solving complex problems and sharing his results on the internet.

LinkedIn