numpy.ma.cov

numpy.ma.cov(x, y=None, rowvar=True, bias=False, allow_masked=True, ddof=None) [source]

Оценивает ковариационную матрицу.

За исключением обработки отсутствующих данных, эта функция делает то же самое, что и numpy.cov. Более подробная информация и примеры находятся в numpy.cov.

По умолчанию, значения с маской распознаются как такие. Если x и y имеют одинаковую форму, выделяется общая маска: если x[i,j] замаскировано, то и y[i,j] также будет замаскировано. Установка allow_masked в значение False вызовет исключение, если в одном из входных массивов отсутствуют значения.

Параметры:

x : array_like Одномерный или двумерный массив, содержащий несколько переменных и наблюдений. Каждая строка x представляет переменную, а каждый столбец — одно наблюдение за всеми этими переменными. Также см. rowvar ниже. y : array_like, необязательно Дополнительный набор переменных и наблюдений. y имеет тот же формат, что и x. rowvar : bool, необязательно Если rowvar равно True (по умолчанию), то каждая строка представляет переменную, а столбцы содержат наблюдения. В противном случае, связь транспонируется: каждый столбец представляет переменную, а строки содержат наблюдения. bias : bool, необязательно Нормализация по умолчанию (False) — по (N-1), где N — количество предоставленных наблюдений (несмещённая оценка). Если bias равно True, то нормализация по N. Этот ключевой параметр может быть переопределён ключевым параметром ddof в версиях numpy >= 1.5. allow_masked : bool, необязательно Если True, значения с маской распространяются парно: если значение замаскировано в x, соответствующее значение замаскировано в y. Если False, возникает исключение ValueError, когда некоторые значения отсутствуют. ddof : {None, int}, необязательно Если не None, нормализация по (N - ddof), где N — количество наблюдений; это переопределяет значение, подразумеваемое bias. Значение по умолчанию — None. Введено в версии 1.5.

Исключения:

ValueError Возникает, если некоторые значения отсутствуют, и allow_masked равно False.

См. также

numpy.cov