如何使用 Pandas 中的 Series.cov() 方法找到协方差？

pandas 中的方法用于通过排除 null/NA 或缺失值来计算 Series 与其他 Series 的协方差。Series.cov()

协方差是一种计算两个随机变量之间关系的方法，它会告诉我们两个随机变量一起变化的程度。

此cov()方法的输出是一个浮点值，表示两个系列之间的协方差。

该方法有三个参数，分别是other、min_period和ddof。

示例 1

import pandas as pd
import numpy as np
# create pandas Series1
series1 = pd.Series([12,34,65,21])

print("第一个系列对象：",series1)

# create pandas Series2
series2 = pd.Series([9,78,62,12])

print("第二系列对象：",series2)

# calculate the covariance value
print("协方差值： ", series1.cov(series2))

解释

我们使用整数列表初始化了两个熊猫系列对象 series1 和 series2，然后通过应用该cov()方法计算协方差。

输出结果

第一个系列对象：
0 12
1 34
2 65
3 21
dtype: int64

第二系列对象：
0  9
1 78
2 62
3 12
dtype: int64

协方差值： 576.3333333333333

上述示例的协方差为 576.33，显示在上述输出块中。

示例 2

import pandas as pd
import numpy as np

# create pandas Series1
series1 = pd.Series([89,np.nan,74,91,100])

print("第一个系列对象：",series1)

# create pandas Series2
series2 = pd.Series([93,54,21,80,42])

print("第二系列对象：",series2)

# calculate the covariance value
print("协方差值： ", series1.cov(series2, min_periods=3))

解释

在下面的示例中，我们正在计算两个系列对象之间的协方差，这里给定系列对象的元素中存在一个 Nan 值。

输出结果

第一个系列对象：
0 89.0
1  NaN
2 74.0
3 91.0
4 100.0
dtype: float64

第二系列对象： 0 93
1 54
2 21
3 80
4 42
dtype: int64

协方差值： 141.66666666666666

该方法在计算系列之间的协方差时排除了 Nan 值。对于上面的例子，协方差是“141.666”。series.cov()