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.
除了对缺失数据的处理之外,此函数与
numpy.cov的功能相同.有关更多详细信息和示例,请参见numpy.cov.默认情况下,掩码值被识别为掩码值.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]被掩码,则y[i,j]也将被掩码. 将 allow_masked 设置为 False 将在输入数组中缺少值时引发异常.- 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,每列代表所有这些变量的单个观测值. 另请参阅下面的 rowvar .
- y类数组,可选
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),则每一行代表一个变量,观测值位于列中. 否则,关系被转置:每列代表一个变量,而行包含观测值.
- biasbool,可选
默认归一化 (False) 是按
(N-1),其中N是给定的观测数(无偏估计).如果 bias 为 True,则归一化为N.此关键字可以在 numpy 版本 >= 1.5 中被关键字ddof覆盖.- allow_maskedbool,可选
如果为 True,则成对地传播掩码值:如果 x 中的值被掩码,则 y 中相应的值也被掩码. 如果为 False,则在缺少某些值时会引发 ValueError 异常.
- ddof{None, int}, 可选
如果不是
None,则归一化为(N - ddof),其中N是观测的数量;这会覆盖bias暗示的值.默认值为None.
- Raises:
- ValueError
如果缺少某些值并且 allow_masked 为 False,则引发.
参见
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)