Python 获取数据帧的协方差返回值

我有这样一个数据帧：

                   YAU        OTBL         HLE
2009-03-08         nan         nan         nan
2009-03-09  1.59904743  1.66397210  1.67345829
2009-03-10 -0.37065629 -0.36541822 -0.36015840
2009-03-11 -0.41055669  0.60004777  0.00536958

def get_covariance_returns(returns):
    return np.cov(returns.values, rowvar=False)

这是我的职责

def get_covariance_returns(returns):
   return np.cov(returns.values)

returns参数是一个数据帧，用于返回每个股票代码和日期。 输出是一个二维数组，表示返回的协方差

当我运行代码时，我有：

AssertionError: Wrong shape for output returns_covariance. Got (4, 4), expected (3, 3)

现在，我修改了我的函数如下：

                   YAU        OTBL         HLE
2009-03-08         nan         nan         nan
2009-03-09  1.59904743  1.66397210  1.67345829
2009-03-10 -0.37065629 -0.36541822 -0.36015840
2009-03-11 -0.41055669  0.60004777  0.00536958

def get_covariance_returns(returns):
    return np.cov(returns.values, rowvar=False)

我的结果是：

OUTPUT returns_covariance:
[[ nan  nan  nan]
 [ nan  nan  nan]
 [ nan  nan  nan]]

请注意，预期输出为：

EXPECTED OUTPUT FOR returns_covariance:
[[ 0.89856076  0.7205586   0.8458721 ]
 [ 0.7205586   0.78707297  0.76450378]
 [ 0.8458721   0.76450378  0.83182775]]

我需要一个指南来了解我的实现出了什么问题。我正在用Python语言编程。

如果您删除

NaN

s：

>>> np.cov(df.dropna().values, rowvar=False)
array([[ 1.31997225,  1.01614032,  1.2238726 ],
       [ 1.01614032,  1.0304141 ,  1.04243784],
       [ 1.2238726 ,  1.04243784,  1.17528792]])

或者更简单地说，使用自动转换为NaN的：

>>> df.cov()
           YAU      OTBL       HLE
YAU   1.319972  1.016140  1.223873
OTBL  1.016140  1.030414  1.042438
HLE   1.223873  1.042438  1.175288

[编辑]：根据您的预期输出，您实际上正在将

NaN

替换为零：

>>> np.cov(df.replace(np.nan, 0).values, rowvar=False)
array([[ 0.89856076,  0.7205586 ,  0.8458721 ],
       [ 0.7205586 ,  0.78707297,  0.76450378],
       [ 0.8458721 ,  0.76450378,  0.83182775]])

>>> df.replace(np.nan, 0).cov()
           YAU      OTBL       HLE
YAU   0.898561  0.720559  0.845872
OTBL  0.720559  0.787073  0.764504
HLE   0.845872  0.764504  0.831828

无论如何，我将离开我原来的帖子，因为它显示了两个

cov

函数之间的区别：

df.fillna（0.cov（）