numpy.ma.cov#

ma.cov(x, y=None, rowvar=True, bias=False, allow_masked=True, ddof=None)[source]#

估计协方差矩阵。

除了对缺失数据的处理之外，此函数与 numpy.cov 的功能相同。有关更多详细信息和示例，请参阅 numpy.cov。

默认情况下，掩码值会被识别。如果 x 和 y 具有相同的形状，则会分配一个公共掩码：如果 x[i,j] 被掩码，则 y[i,j] 也将被掩码。如果任一输入数组中缺少值，将 allow_masked 设置为 False 将引发异常。

参数:

x类数组: 一个包含多个变量和观测值的一维或二维数组。 x 的每一行代表一个变量，每一列代表所有这些变量的一个观测值。另请参阅下面的 rowvar。
y类数组，可选: 另一组变量和观测值。 y 具有与 x 相同的形状。
rowvar布尔值，可选: 如果 rowvar 为 True（默认值），则每行代表一个变量，观测值在列中。否则，关系会被转置：每列代表一个变量，而行包含观测值。
bias布尔值，可选: 默认归一化（False）使用 (N-1)，其中 N 是给定的观测值数量（无偏估计）。如果 bias 为 True，则归一化使用 N。此关键字在 numpy 版本 >= 1.5 中可被关键字 ddof 覆盖。
allow_masked布尔值，可选: 如果为 True，掩码值会成对传播：如果 x 中的一个值被掩码，则 y 中的对应值也将被掩码。如果为 False，则当某些值缺失时会引发 ValueError 异常。
ddof{None, int}，可选: 如果不是 None，则归一化使用 (N - ddof)，其中 N 是观测值数量；这会覆盖 bias 所隐含的值。默认值为 None。

引发:

ValueError: 如果某些值缺失且 allow_masked 为 False，则引发此异常。

另请参阅

numpy.cov

示例

>>> import numpy as np
>>> x = np.ma.array([[0, 1], [1, 1]], mask=[0, 1, 0, 1])
>>> y = np.ma.array([[1, 0], [0, 1]], mask=[0, 0, 1, 1])
>>> np.ma.cov(x, y)
masked_array(
data=[[--, --, --, --],
      [--, --, --, --],
      [--, --, --, --],
      [--, --, --, --]],
mask=[[ True,  True,  True,  True],
      [ True,  True,  True,  True],
      [ True,  True,  True,  True],
      [ True,  True,  True,  True]],
fill_value=1e+20,
dtype=float64)