numpy.ma.cov#

ma.cov(x, y=None, rowvar=True, bias=False, allow_masked=True, ddof=None)[源代码]#

估计协方差矩阵.

除了处理缺失数据之外,此函数与 numpy.cov 的作用相同.有关更多详细信息和示例,请参见 numpy.cov .

默认情况下,屏蔽值被识别为屏蔽值.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] 被屏蔽,则 y[i,j] 也将被屏蔽.如果 allow_masked 设置为 False,则当输入数组中的任何一个缺少值时,会引发异常.

参数:
xarray_like

包含多个变量和观测值的 1-D 或 2-D 数组. x 的每一行代表一个变量,每一列代表所有这些变量的单个观测值.另请参阅下面的 rowvar .

yarray_like, optional

一组额外的变量和观测值. y 的形状与 x 相同.

rowvarbool, 可选

如果 rowvar 为 True(默认值),则每一行代表一个变量,观测值在列中.否则,关系被转置:每一列代表一个变量,而行包含观测值.

biasbool, 可选

默认归一化 (False) 是 (N-1) ,其中 N 是给定的观测次数(无偏估计).如果 bias 为 True,则归一化为 N .可以在 numpy 版本 >= 1.5 中通过关键字 ddof 覆盖此关键字.

allow_maskedbool, 可选

如果为 True,则成对传播屏蔽值:如果 x 中的某个值被屏蔽,则 y 中对应的的值也被屏蔽.如果为 False,则当缺少一些值时,引发 ValueError 异常.

ddof{None, int}, 可选

如果不为 None ,则归一化为 (N - ddof) ,其中 N 是观测数; 这将覆盖 bias 隐含的值.默认值为 None .

提出:
ValueError

如果某些值丢失且 allow_masked 为 False,则引发此异常.

参见

numpy.cov

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)
当前页面