为什么numpy的协方差与手动计算略有不同？
numpy的协方差与手动计算略有不同的原因是由于numpy在计算协方差时使用的是样本协方差公式，而手动计算通常使用的是总体协方差公式。
样本协方差公式是基于样本数据的统计量来估计总体协方差的，它除以样本数量减1来进行无偏估计。而总体协方差公式是基于总体数据的统计量来计算协方差的，它除以总体数量来进行计算。
由于样本协方差公式中除以的是样本数量减1，而不是总体数量，所以在样本数量较小的情况下，样本协方差会略微偏大。
另外，numpy的协方差计算函数还提供了一个参数ddof（delta degrees of freedom），用于指定除以样本数量减去ddof来进行无偏估计。默认情况下，ddof为0，即使用样本数量进行无偏估计。如果将ddof设置为1，则使用样本数量减1进行无偏估计，这样可以使numpy的协方差结果与手动计算更接近。
总之，numpy的协方差与手动计算略有不同是因为使用了样本协方差公式进行估计，并且默认情况下使用样本数量进行无偏估计。如果需要与手动计算结果更接近，可以通过设置ddof参数为1来进行无偏估计。
相关·内容
我目前正在重新实现用Python编写的一些用Java编写的算法。一个步骤是计算值列表的标准差。原始实现为此使用ApacheMath1.1库中的。我使用numpy 1.5的标准差。问题是，对于相同的输入，它们给出了不同的结果。我所得到的样本是：
[0.113967640255, 0.223095775796, 0.283134228235, 0.416793887842]
我得到以下结果：
numpy : 0.10932134388775223
Apache Math 1.1 : 0.12620366805397404
Wolfram Alpha : 0.12620366
浏览 4提问于2011-01-01得票数 13
回答已采纳
我尝试了一次数据最简单的练习，我发现对于这两个包，我得到的差异是不同的。
例如用于[1,2,3,4]
from statistics import variance
import numpy as np
print(np.var([1,2,3,4]))
print(variance([1,2,3,4]))
//1.25
//1.6666666666666667
本练习的预期答案用np.var()计算。
编辑，，我想它必须这样做，后者是样本方差，而不是方差。有谁能解释这种区别吗？
浏览 8提问于2016-12-18得票数 27
回答已采纳
我尝试将matlab代码转换为numpy，并计算出numpy与std函数的结果不同。
在matlab中
std([1,3,4,6])
ans = 2.0817
在numpy中
np.std([1,3,4,6])
1.8027756377319946
这是正常的吗？我该如何处理这个问题呢？
浏览 2提问于2014-12-22得票数 93
回答已采纳
1回答
我正在学习一些关于数据集中的标准Scaler的知识。我注意到一个奇怪的行为，我认为这可能是我的代码中的语法或逻辑错误，但谁能纠正我。
我们知道，当我们做StandardScaler时，std为1，mean为0作为Var = Stdev^2。
现在，当我在与sklearn.preprocessing.StandardScaler一起使用的代码中使用这个时，在使用fit_transform之后，方差是1。但是，当我更改原始数据帧中的值时，两行的值都是1.5。我能知道为什么是它吗?以及如何使用StandardScaler使它成为1。谢谢。
这是我的数据集
Country GDP Area
浏览 0提问于2020-07-16得票数 2
回答已采纳
我已经在我的脚本中隔离了一个问题，这个问题是由于使用.tstd函数进行标准差计算而产生的，
sp.stats.tstd(IR)
其中我的IR值是0.0979。有没有办法让它停止(我想是)把它舍入零？我尝试过以前的堆栈溢出帖子中的一个建议，它建议将这个数字称为np.float64，但这是行不通的。希望有人知道答案。
全错误打印：
Traceback (most recent call last):
File "Utt_test.py", line 995, in <module>
X.write(Averaging())
File "
浏览 4提问于2013-07-26得票数 0
简单地问，为什么这个性病是不同的？
>>> import numpy
>>> import pandas as pd
>>>
>>> arr = [10, 386, 479, 627, 20, 523, 482, 483, 542, 699, 535, 617, 577, 471, 615, 583, 441, 562, 5
63, 527, 453, 530, 433, 541, 585, 704, 443, 569, 430, 637, 331, 511, 552, 496, 484, 566, 554, 472, 3
浏览 1提问于2020-06-24得票数 1
回答已采纳
4回答
在下面的代码中，我对第三行的意思感到困惑。ddof =1做什么。我试着查了一下，但我还是不太明白它的概念和目的。如果有人能给我指出正确的方向，我将不胜感激。
谢谢
data = stats.binom.rvs(n = 10, p = 0.3, size = 10000)
print "Mean: %g" % np.mean(data)
print "SD: %g" % np.std(data, **ddof=1**)
浏览 3提问于2015-08-08得票数 4
2回答
我正在用matlab手工计算协方差(不使用cov函数)。无论如何，我对为什么以及何时按N或N-1进行归一化感到困惑。我得到了2x400的样本数据。因此，有两个变量和400个样本。谁能解释一下，什么时候某种标准化是合适的，或者是稍微主观的？谢谢
浏览 0提问于2014-02-05得票数 2
1回答
以下是@pltrdy在此威胁中提供的答复：
如何将计算级数上的滞后-N (default=1)自相关的pandas.Series.autocorr()转换为自协方差？
令人遗憾的是，pandas.Series.autocov()命令并没有在熊猫中实现。
浏览 7提问于2022-02-04得票数 0
回答已采纳
4回答
我有一个列表，我喜欢计算样本方差。当我使用numpy.var时，我得到了与我定义的函数不同的结果。
有人能帮我理解我错过了什么吗？
my_ls = [227, 222, 218, 217, 225, 218, 216, 229, 228, 221]
def calc_mean(ls):
sum_tmp = 0
for i in ls:
sum_tmp = sum_tmp + i
return round(sum_tmp/len(ls), 2)
def calc_var(ls):
tmp_
浏览 12提问于2020-04-03得票数 3
回答已采纳
我最近开始使用python的统计模块。
我注意到默认情况下，variance()方法返回“无偏”方差或样本方差：
import statistics as st
from random import randint
def myVariance(data):
# finds the variance of a given set of numbers
xbar = st.mean(data)
return sum([(x - xbar)**2 for x in data])/len(data)
def myUnbiasedVariance(data):
#
浏览 6提问于2016-08-26得票数 1
从统计的角度来看，当所有值相等时，标准差应该是0。对于arr1来说，结果和预期的一样：0，但是arr2是1.3877787807814457e-17 --非常小但不是0，这就导致了zscore的问题。
这是一个正确的行为还是奇怪的错误？
import numpy as np
arr1 = [20.0] * 3
#[20.0, 20.0, 20.0]
arr2 = [-0.087] * 3
#[-0.087, -0.087, -0.087]
np.std(arr1) #0.0
np.std(arr2) #1.3877787807814457e-17
浏览 2提问于2020-09-07得票数 3
回答已采纳
我只是好奇，想问这个问题。当我手动计算一组数据的协方差矩阵时，为什么我的值与numpy的值略有不同？
我有两组数据X和Y
data = io.loadmat("datafile.mat")['data']
X = data[:,0]
Y = data[:,1]
协方差矩阵可以这样计算(通过查看X和X、X和Y、Y和X之间的相关性，等等)
n = len(X)
corXX = np.var(X)
corXY = (1/n)*np.dot(X - np.mean(X), Y - np.mean(Y))
corYY = np.var(Y)
covariance = np
浏览 9提问于2018-02-20得票数 4
回答已采纳
1回答
我使用sklearn标准标度器(平均去除和方差缩放)来缩放数据，并将其与数据帧进行比较，在那里，我“手动”减去平均值，然后除以标准差。比较显示出一致的小差异。有人能解释原因吗？(我使用的数据集是：
import pandas as pd
from sklearn.preprocessing import StandardScaler
df = pd.read_csv("~/DataSets/WineDataSetItaly/wine.data.txt", names=["Class", "Alcohol", "Malic acid
浏览 2提问于2017-05-27得票数 6
回答已采纳
我是熊猫的新手，也是泰坦尼克号数据集的实验对象。在使用了groupby函数之后，如果我应用mean()，那么它就能正常工作。但是当我计算std()时，我得到的是NaN。我理解这意味着默认情况下排除缺失的值，而不考虑它们，但是std将它们考虑在内。
我尝试过更改ddof=1和skipna=True，但它们并不适用于groupby。请帮帮忙。我的代码中的标题来自使用功能工程的名称。我试图根据特定人群中所有乘客年龄的平均值和性病来预测年龄的缺失值(就像主人的平均年龄一样)。因此，只根据母机的均值和std按群函数计算母机丢失的年龄)。
std = train_df.groupby(['Tit
浏览 1提问于2019-09-05得票数 1
我使用包preprocessing sklearn对数据进行规范化，如下所示：
import pandas as pd
import urllib3
from sklearn import preprocessing
decathlon = pd.read_csv("https://raw.githubusercontent.com/leanhdung1994/Deep-Learning/main/decathlon.txt", sep='\t')
decathlon.describe()
nor_df = decathlon.copy()
nor_df.i
浏览 1提问于2020-10-27得票数 2
回答已采纳
1回答
我正在使用StandardScaler()来标准化熊猫的数据，但是当我手工计算它时，我得到了不同的结果。
这是我的DataFrame，名叫blood_df
dbp sbp weight height
0 82.6 132.1 71 172
1 79.1 129.9 79 180
2 81.7 131.2 78 172
3 80.7 132.1 66 166
4 74.9 125.0 70 173
5 79.1 129.1 64 162
6 83.
浏览 1提问于2021-07-28得票数 0
回答已采纳
我试图用Python3写一个小程序来模拟从随机数中采样。但这似乎与我的意图背道而驰。我做错了什么？这肯定是非常简单的，但我不明白。
import random
import statistics
import math
pcounter = 0
counter = 0
for loop in range(1000):
l = []
for x in range(500):
l.append(random.randint(1,1000))
m = statistics.mean(l)
v = list(l)
v[:] = [(x-m)*
浏览 2提问于2018-04-20得票数 1
我试图用来重现两个组之间的Mahalanobis距离。
在我看来，这个例子很好地解释了这个概念。然而，我无法在R.
在此示例中，使用Excel获得的结果是Mahalanobis(g1, g2) = 1.4104。
按照给出的R的答案，并将其应用于上面的数据如下：
# dataset used in the Excel example
g1 <- matrix(c(2, 2, 2, 5, 6, 5, 7, 3, 4, 7, 6, 4, 5, 3, 4, 6, 2, 5, 1, 3), ncol = 2, byrow = TRUE)
g2 <- matrix(c(6, 5,
浏览 7提问于2017-06-19得票数 1
回答已采纳
2回答
我正在阅读计算方差，并看到一个用Python语言实现的公式variance = sum( (vals - mean(vals))**2 )，如下所示：
def variance(values, mean):
return sum([(x-mean)**2 for x in values])
我使用了这个实现，并在笔记本中一步一步地浏览了一下，得到了相同的答案。然而，当我使用<np.array>.var()时，我得到了不同的结果。numpy实现有什么不同吗？前面提到的函数是不正确的吗？
使用随机生成的4元素数组nums：
array([[0.10193815],
浏览 0提问于2020-11-26得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
