为什么在numpy的协方差函数后面有一个列表?
每当我找到两个数组的协方差时,我总是看到它是这样做的 (np.cov(X,Y)[0,1])为什么在numpy的协方差函数后面有一个列表?,numpy,Numpy,每当我找到两个数组的协方差时,我总是看到它是这样做的 (np.cov(X,Y)[0,1]) [0,1]的作用是什么?对于两个1d阵列x和y,np.cov(x,y)返回: np.array([[variance(x), covariance(x, y)], [covariance(y, x), variance(y) ]]) 因此,对于协方差,需要[0,1]项 当公式化为cov(x,y)时,numpy创建np.cov(x)其中x=np.stack(x,y,a
[0,1]的作用是什么?对于两个1d阵列
x
和y
,np.cov(x,y)
返回:
np.array([[variance(x), covariance(x, y)],
[covariance(y, x), variance(y) ]])
因此,对于协方差,需要[0,1]项
当公式化为cov(x,y)
时,numpy
创建np.cov(x)
其中x=np.stack(x,y,axis=1)
出现混淆的原因是,对于
np.cov(X)
而言,它实际上是同时针对多个向量进行优化的,X.shape=(m,n)
,而np.cov(X)[i,j]
,i,j
是行i
和j
之间的协方差。行i
和i
的协方差就是行i
的方差,看起来它在索引cov
调用的结果,这可能是一个2d numpy数组。cov
文档是否支持此功能?np.cov
的out变量是:变量的协方差矩阵。
<代码>np.cov(X,Y)[0,1]选择一个元素,第一行,第二列。