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。
除了处理缺失数据之外,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,掩码值会被识别为缺失值。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]
也会被掩码。将 allow_masked 设置为 False 将在任一输入数组中存在缺失值时引发异常。- 参数:
- xarray_like
包含多个变量和观测值的 1 维或 2 维数组。 x 的每一行表示一个变量,每一列表示所有这些变量的单个观测值。另请参阅下面的 rowvar。
- yarray_like,可选
另一组变量和观测值。 y 与 x 具有相同的形状。
- rowvarbool,可选
如果 rowvar 为 True(默认值),则每一行表示一个变量,列中包含观测值。否则,关系会被转置:每一列表示一个变量,而行包含观测值。
- biasbool,可选
默认规范化(False)为
(N-1)
,其中N
是给定的观测值数量(无偏估计)。如果 bias 为 True,则规范化为N
。在 numpy 版本 >= 1.5 中,此关键字可以被关键字ddof
覆盖。- allow_maskedbool,可选
如果为 True,则成对传播掩码值:如果 x 中的值被掩码,则 y 中对应的值也会被掩码。如果为 False,则当某些值缺失时引发 ValueError 异常。
- ddof{None, int},可选
如果不为
None
,则规范化为(N - ddof)
,其中N
是观测值的数量;这会覆盖bias
隐含的值。默认值为None
。版本 1.5 中的新功能。
- 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
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)