numpy.ma.cov

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

Оценить ковариационную матрицу.

За исключением обработки отсутствующих данных, эта функция делает то же, что и numpy.cov. Более подробную информацию и примеры см. 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] имеет маску, то y[i,j] также будет иметь маску. Установка allow_masked в значение False приведет к исключению, если значения отсутствуют в одном из входных массивов.

Параметры:

x : array_like Одномерный или двумерный массив, содержащий несколько переменных и наблюдений. Каждая строка в x представляет переменную, а каждый столбец — отдельное наблюдение всех этих переменных. Также см. rowvar ниже. y : array_like, optional Дополнительный набор переменных и наблюдений. y имеет ту же форму, что и x. rowvar : bool, optional Если rowvar имеет значение True (по умолчанию), то каждая строка представляет переменную, а наблюдения находятся в столбцах. В противном случае, связь транспонирована: каждый столбец представляет переменную, а строки содержат наблюдения. bias : bool, optional Нормализация по умолчанию (False) — по (N-1), где N — количество предоставленных наблюдений (несмещенная оценка). Если bias имеет значение True, то нормализация осуществляется по N. Этот параметр может быть переопределён параметром ddof в версиях numpy >= 1.5. allow_masked : bool, optional Если True, значения с маской распространяются парно: если значение имеет маску в x, соответствующее значение маскируется в y. Если False, возникает исключение ValueError, когда некоторые значения отсутствуют. ddof : {None, int}, optional Если не None, нормализация производится по (N - ddof), где N — количество наблюдений; это переопределяет значение, подразумеваемое bias. Значение по умолчанию — None. Новое в версии 1.5.

Исключения:

ValueError Возникает, если некоторые значения отсутствуют, и allow_masked имеет значение False.

См. также

numpy.cov