Python NumPy 中的协方差

理解协方差对于数据分析至关重要，尤其是当您试图确定两个变量如何一起变化时。在 Python 中，NumPy 库提供了一个函数 numpy.cov()，它为您计算两个或多个数组之间的协方差。无论您是数据科学家、统计学家，还是只是对数据分析感兴趣的人，掌握这个函数都可以增强您的分析技能并改进您的项目。

在本文中，我们将探讨如何有效地使用 numpy.cov()，提供清晰的示例和详细的说明，帮助您掌握 Python 中协方差的概念。那么，让我们开始吧！

什么是协方差？

协方差是一种统计度量，它表明两个随机变量一起变化的程度。如果变量倾向于一起增加和减少，则协方差为正。相反，如果一个变量倾向于增加而另一个变量减少，则协方差为负。接近零的协方差表明变量之间没有线性关系 — 请注意，这比独立性要弱：两个变量可以以非线性的方式相互依赖，而协方差仍然为零。

在实践中，协方差常用于金融、统计和机器学习，以理解不同数据集之间的关系。通过计算协方差，您可以深入了解一个数据集的变化如何影响另一个数据集。

使用 numpy.cov() 计算协方差

numpy.cov() 函数是在 Python 中计算协方差的首选方法。您可以向它传递两个一维数组（或一个行是变量的二维数组），它会返回协方差矩阵：对角线上是各变量的方差，对角线外是每对变量之间的协方差。默认情况下，它计算样本协方差，即除以 N-1，其中 N 是观测值的数量。

计算两个数组之间协方差的示例

让我们从一个计算两个 NumPy 数组之间协方差的简单示例开始。假设您有两个数据集，分别代表一组人的身高和体重。

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)

输出：

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

在此示例中，我们首先导入 NumPy 库并创建两个数组：heights 和 weights。然后我们使用 numpy.cov() 来计算这两个数组之间的协方差矩阵。（当前的 NumPy 在这里以科学计数法打印小数值；2.50e-02 是 0.025，6.25e+01 是 62.5。）

左上角的值 (0.025) 是身高的方差，右下角的值 (62.5) 是体重的方差。对角线外的两个值 (1.25) 是身高与体重之间的协方差 — 为正，因为在这组数据中，个子较高的人也更重。这个矩阵简洁地展示了这两个变量如何相互作用。

使用总体归一化计算协方差

默认情况下，numpy.cov() 除以 N-1 — 这是样本归一化，当您的数据是来自更大总体的样本时，这是正确的选择。如果您的数据就是整个总体，则改为传递 bias=True（等价于 ddof=0）以除以 N：

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)

输出：

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

每个值都比样本版本小 (N-1)/N 倍 — 这里是 4/5，因此协方差从 1.25 降至 1.0。这两个版本一般来说都不比另一个“更准确”；它们回答的是不同的问题，并且当 N 很大时差异可以忽略不计。当数据涵盖了您关心的整个总体时使用总体形式，否则使用默认的样本形式。

解读协方差矩阵

理解协方差矩阵对于根据数据做出明智的决策至关重要。协方差矩阵的对角元素表示每个变量的方差，而非对角元素表示变量之间的协方差。

在解读协方差值时，请考虑以下几点：

• 正协方差表示变量倾向于一起增加或减少。
• 负协方差表明一种反比关系，其中一个变量增加而另一个变量减少。
• 接近零的协方差意味着变量之间没有线性关系。

协方差不会告诉您的一件事是关系的强度：它的大小取决于变量的单位和尺度，因此协方差值在不同的数据集之间不可比较。这种可比性正是相关性所增加的，它将协方差归一化到 -1 到 1 的范围内。在我们的示例中，身高与体重之间的正协方差只说明随着身高的增加，体重也倾向于增加 — 这一洞察可以指导进一步的分析或决策过程。

结论

协方差是统计学和数据分析中的一个基本概念，Python 中的 numpy.cov() 函数使得计算数据集之间的协方差变得容易。通过理解如何使用这个函数 — 包括在样本归一化和总体归一化之间进行选择 — 您可以获得关于不同变量之间关系的宝贵洞察。无论您是分析金融数据、进行科学研究，还是从事机器学习项目，掌握协方差都将增强您的分析工具包。那么，开始使用 NumPy，探索数据关系这个迷人的世界吧！

FAQ

1. 什么是协方差？
   协方差是一种统计度量，它表明两个随机变量如何一起变化，展示它们之间的关系。

2. 如何在 Python 中计算协方差？
   您可以使用 numpy.cov() 函数在 Python 中计算协方差，该函数接收一个或多个 NumPy 数组并返回协方差矩阵。

3. 正协方差是什么意思？
   正协方差表示随着一个变量的增加，另一个变量也倾向于增加。

4. 协方差可以是负数吗？
   是的，负协方差表明一个变量倾向于增加，而另一个变量减少。

5. 协方差和相关性之间有什么区别？
   协方差衡量两个变量之间关系的方向，而相关性衡量该关系的强度和方向，并归一化到 -1 和 1 之间。