Pandas DataFrame Cov 方法

介绍

在本教程中，我们将学习如何使用 pandas 库中的 DataFrame.cov() 方法来计算 DataFrame 中各列之间的协方差。协方差衡量了两个随机变量之间的关系，并指示它们一起变化的程度。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到 Notebook 标签页，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时可以向 Labby 提问。实验结束后请提供反馈，我们将及时为你解决问题。

创建一个 DataFrame

首先，让我们创建包含一些示例数据的 DataFrame。我们将使用 pd.DataFrame() 函数来创建一个 DataFrame 对象。

import pandas as pd

data = {'Name': ['Chetan', 'Yashas', 'Yuvraj'],
        'Age': [20, 25, 30],
        'Height': [155, 170, 165],
        'Weight': [59, 60, 75]}

df = pd.DataFrame(data)
print(df)

计算协方差矩阵

接下来，我们可以使用 DataFrame.cov() 方法来计算 DataFrame 中各列的协方差矩阵。协方差矩阵是一个矩阵，其中每个条目表示两列之间的协方差。

covariance_matrix = df.cov()
print(covariance_matrix)

计算两列的协方差

如果我们对计算两列之间的协方差感兴趣，可以通过访问这两列并直接对它们应用 cov() 方法来实现。

covariance = df['Height'].cov(df['Weight'])
print(covariance)

总结

在本教程中，我们学习了如何使用 pandas 中的 DataFrame.cov() 方法来计算 DataFrame 中各列之间的协方差。我们还了解了如何计算所有列对的协方差矩阵，以及如何计算两列之间的协方差。协方差可以帮助我们理解不同度量随时间或其他数据点之间的关系。