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()