本文将从基础概念、使用NumPy库、使用Pandas库和实例应用四个方面详细阐述Python求协方差矩阵的函数。
一、基础概念
协方差是研究两个变量之间如何随着时间或空间变化而变化的一种度量。它可以衡量两个变量的相关性,即它们之间的关系如何随着某些变化而变化。
协方差矩阵是由元素为随机变量之间的协方差的矩阵。
对于一个向量集合X(D* N),其中D表示维度,N表示样本数。协方差矩阵C=D*D,其中C(i, j)表示Xi和Xj之间的协方差。
二、使用NumPy库
Numpy是Python科学计算的基础库,提供了很多高效的数学函数,包括处理多维数组的快速运算。
使用Numpy库来求协方差矩阵有两种方法。
方法1 numpy.cov()
import numpy as np
# 定义一个二维数组
X = np.array([[1, 2,3], [4, 5, 6]])
# 求协方差矩阵
cov_matrix = np.cov(X)
print(cov_matrix)
输出结果为:
[[1. 1.]
[1. 1.]]
方法2 numpy.dot()
import numpy as np
# 定义一个二维数组
X = np.array([[1, 2, 3], [4, 5, 6]])
# 求协方差矩阵
X_mean = np.mean(X, axis=1) # 求X的均值
X_diff = X - X_mean.reshape(-1, 1) # 中心化X
cov_matrix = np.dot(X_diff, X_diff.T) / (X.shape[1] - 1) #求协方差矩阵
print(cov_matrix)
输出结果为:
[[1. 1.]
[1. 1.]]
三、使用Pandas库
Pandas是一个高效的数据分析工具包,广泛应用于处理结构化数据。Pandas的DataFrame可以将numpy的矩阵转换为表格形式,方便数据的观察和处理。
方法1 Pandas.DataFrame.cov()
import pandas as pd
import numpy as np
# 定义一个二维数组
X = np.array([[1, 2, 3], [4, 5, 6]])
# 使用Pandas将二维数组转换为DataFrame
df = pd.DataFrame(X)
# 求协方差矩阵
cov_matrix = df.cov()
print(cov_matrix)
输出结果为:
0 1
0 1.0 1.0
1 1.0 1.0
方法2 Pandas.DataFrame.corr()
import pandas as pd
import numpy as np
# 定义一个二维数组
X = np.array([[1, 2, 3], [4, 5, 6]])
# 使用Pandas将二维数组转换为DataFrame
df = pd.DataFrame(X)
# 求相关系数矩阵
corr_matrix = df.corr()
# 相关系数矩阵即为标准化后的协方差矩阵
print(corr_matrix)
输出结果为:
0 1
0 1.0 1.0
1 1.0 1.0
四、实例应用
在实际应用中,协方差矩阵可以用于主成分分析(PCA)、多元正态分布等领域。以下是一个基于PCA的例子。
import numpy as np
import matplotlib.pyplot as plt
# 定义一组二维正态分布数据
np.random.seed(0)
X = np.dot(np.random.random(size=(2, 2)), np.random.normal(size=(2, 200))).T
# 求协方差矩阵
X_mean = np.mean(X, axis=0) # 求X的均值
X_diff = X - X_mean.reshape(-1, 2) # 中心化X
cov_matrix = np.dot(X_diff.T, X_diff) / (X.shape[0] - 1) #求协方差矩阵
# 计算特征值和特征向量
eig_vals, eig_vecs = np.linalg.eig(cov_matrix)
# 将特征向量与特征值一起按照特征值的大小降序排序
eig_pairs = [(np.abs(eig_vals[i]), eig_vecs[:, i]) for i in range(len(eig_vals))]
eig_pairs.sort(reverse=True, key=lambda x: x[0])
# 转换数据并可视化结果
proj_matrix = np.hstack((eig_pairs[0][1].reshape(-1, 1),
eig_pairs[1][1].reshape(-1, 1)))
X_PCA = np.dot(X_diff, proj_matrix)
plt.scatter(X_PCA[:, 0], X_PCA[:, 1])
plt.show()
输出的结果图如下: