使用Python/Numpy对np.cov的方差/含义求和

使用Python：

因此，我有一个名为File的数据框架，我想在其中找到其中一列“Prices”的总体差异

对于方差公式，我知道必须包含协方差

我读到np.cov将产生一个协方差矩阵。然而，当我使用它时，我没有得到矩阵（或者我认为是这样）

我的代码

np.cov(File['Prices'])

给我

 array(2118322.0106797763)

然后，这个答案是否计算以下函数：Var（所有价格）=Var（价格1）+…+Var（价格N）+2[Cov（X1，X2）+…+Cov（N-1，N）]

---

那么2118322实际上是方差的总和？我希望得到的矩阵不是我实际得到的矩阵。

你只是传递一个序列，所以你得到的是一个方差

基本上，你在做一些事情，比如：

np.cov([3.4, 5.6, ..., 9.8, 4.5])

…这只会产生序列的方差

如果需要描述多个变量之间关系的协方差矩阵，则需要传入2D数组。默认情况下，

numpy.cov

需要一个

numdimensions x numsamples

数组。（这可以通过使用

rowvar=False

或仅通过传递数据的转置来更改。）

基本上是这样的：

import numpy as np

# Generate two 100-sample sequences
data = np.random.random((2, 100))

print np.cov(data)

或者使用

pandas

dataframe，只需调用

cov

方法：

import numpy as np
import pandas as pd

# Generate two 100-sample sequences
x, y = np.random.random((2, 100))
data = pd.DataFrame(dict(x=x, y=y))

# Similarly, we could have done "np.cov(data.T)", though that would yield 
# an array instead of a dataframe
print data.cov()

---

您不应该调用变量

文件

，它是python中的保留关键字。如果必须，请将其称为“我的文件”。您的数据帧是

pandas

dataframe吗？传递到

np.cov

的数据的形状是什么？我实际上在实际代码中称之为Catalog。好主意！这是一个好主意。数据的形状是一个大约有100000个值的序列，所以Catalog['Price']只列出了一个目录中的所有价格