python中矩阵的协方差答案

【问题标题】：Covariance of Matrix in pythonpython中矩阵的协方差
【发布时间】：2018-09-20 18:18:50
【问题描述】：

我想找到一个 10304*280 矩阵的协方差（即 280 个变量，每个变量都有 10304 个主题），我正在使用以下 numpy 函数来找到它。

cov = numpy.cov(matrix)

我预计结果为 208*280 矩阵，但它返回 10304*10304 矩阵。

【问题讨论】：

先换轴试试？ np.swapaxis()
在 numpy 文档中了解它。您要么想在np.cov 中指定轴（不确定是否可以这样做，但请检查），或者您想在计算协方差之前交换轴。可能您的问题是在 matrix 的错误轴上计算协方差
我认为您看对了，但是如何在 np.cov 中指定轴？

【解决方案1】：

如上一个答案中所建议的，您可以更改内存布局。在 2d 中执行此操作的一种简单方法是简单地转置矩阵：

import numpy as np
r = np.random.rand(100, 10)
np.cov(r).shape # is (100,100)
np.cov(r.T).shape # is (10,10)

但您也可以指定rowvar 标志。阅读它here：

import numpy as np
r = np.random.rand(100, 10)
np.cov(r).shape # is (100,100)
np.cov(r, rowvar=False).shape # is (10,10)

我认为特别是对于大型矩阵，这可能会更高效，因为您避免了轴的交换/转置。

更新：

我想到了这一点，想知道算法是否真的因rowvar == True 或rowvar == False 而不同。好吧，事实证明，如果您更改 rowvar 标志，numpy 只会转置数组本身：P。

看here。

因此，就性能而言，两个版本之间不会有任何变化。

【讨论】：

【解决方案2】：

numpy.cov(m, y=None..) 文档是这样说的

m : array_like 包含多个变量和的一维或二维数组观察。 m的每一行代表一个变量，每列a 所有这些变量的单一观察...

因此，如果您的矩阵包含 280 个变量，每个变量有 10304 个样本，则假设是 280*10304 矩阵而不是 10304*280 一个。简单的解决方案与其他人建议的相同。

swap_matrix = numpy.swapaxis(matrix)
cov = numpy.cov(swap_matrix)

【讨论】：