Python statistics.covariance() 函数

---

---

Python 的 `statistics.covariance()` 函数用于衡量两个随机变量之间的关系。协方差指示两个变量是如何相关的，并有助于了解这两个变量是共同变化还是彼此差异。

正的协方差值表明不同的变量朝着相同的方向变化。同样地，如果一个随机变量减少，另一个变量也会减少。

负的协方差值表明变量朝着相反的方向变化。同样地，如果一个随机变量减少，另一个变量会增加。

当两个随机变量彼此独立时，它们之间的协方差为零。

语法

`statistics.covariance()` 函数的基本语法如下所示。

statistics.covariance(x, y, /)

参数

此函数包含一系列元素，例如列表、元组、迭代器或任何长度与输入相同的数组。

返回值

返回两个输入点 x 和 y 的样本协方差。

示例 1

在下面的示例中，我们使用 `statistics.covariance()` 函数查找给定值的协方差。

import statistics
a = [1, 2, 3, 4, 5, 6, 7]
b = [9, 8, 7, 6, 5, 4, 3]
c = statistics.covariance(a, b)
print("Sample covariance between a and b:", c)

输出

结果如下所示：

Sample covariance between a and b: -4.666666666666667

示例 2

现在，我们使用 `statistics.covariance()` 函数在给定代码中导入 statistics。

from statistics import covariance
a = [3, 4, 5, 6, 7, 8]
b = [2, 4, 6, 7, 8, 9]
c = covariance(a,b)
print(c)

输出

这将产生以下结果：

4.8

示例 3

在这里，我们使用 `statistics.covariance()` 函数计算 NumPy 协方差。

import numpy as np 
n = [0.34, 4.54, 3.22, 2.12, 0.12]
p = [1.23, 3.45, 2.2, 1.2, 0.3]
w = np.cov(n,p)
print(w)

输出

我们将获得如下输出：

[[3.55532 2.10384]
 [2.10384 1.43513]]

示例 4

在下面的示例中，我们使用 `statistics.covariance()` 函数计算协方差。

import statistics
s = [2, 3, 4, 5, 6]
f = [1, 2, 3, 4, 5]
g = statistics.covariance(s, f)
print(g)

输出

获得的输出如下：

2.5