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]）

---

[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。