在數(shù)據(jù)分析中我們常常需要判斷多組數(shù)據(jù)之間的關(guān)聯(lián)程度NumPy提供了簡單的函數(shù)直接計算相關(guān)系數(shù)矩陣、協(xié)方差、樣本方差。相關(guān)系數(shù)矩陣是對稱矩陣。對角線上的值都是1代表變量自身的自相關(guān)非對角線元素就是變量之間的相關(guān)系數(shù)取值范圍在-1到1之間。數(shù)值大于0代表正相關(guān)一個變量增大另一個也跟著增大數(shù)值小于0代表負相關(guān)一個變量增大另一個減小。相關(guān)系數(shù)的絕對值越接近1兩組數(shù)據(jù)變化趨勢的相似度越高。np.corrcoef 默認一行代表一個變量。pythonimport numpy as np# 完全負相關(guān)print(np.corrcoef([1,2,3,4], [4,3,2,1]))# 不完全負相關(guān)print(np.corrcoef([1,2,3,4], [8,3,2,1]))# 完全正相關(guān)print(np.corrcoef([1,2,3,4], [1,2,3,4]))# 弱正相關(guān)print(np.corrcoef([1,2,3,4], [1,2,3,40]))# 多個變量放入矩陣計算x np.matrix([[1,2,3], [4,5,6]])print(np.corrcoef(x))x np.matrix([[1,2,3], [4,5,6], [9,8,7]])print(np.corrcoef(x))np.cov 用來計算協(xié)方差矩陣。矩陣對角線上的數(shù)字是樣本方差代表一組數(shù)據(jù)的波動大小非對角線元素是協(xié)方差用來衡量兩組數(shù)據(jù)協(xié)同波動的情況。注意這里是樣本方差計算時分母為樣本數(shù)量減1。pythonimport numpy as npx np.matrix([[-2,1,-1,4,3], [3,1,1,0,12]])print(np.cov(x))協(xié)方差會受數(shù)據(jù)單位影響不方便直接對比相關(guān)性強弱。相關(guān)系數(shù)消除了量綱范圍固定在-1到1適合用來判斷變量線性相關(guān)的程度。核心要點 np.corrcoef 看變量線性相關(guān)強弱 np.cov 計算協(xié)方差和樣本方差。兩個函數(shù)默認一行代表一個變量使用時要注意行列順序。