全球购物网站排名网站如何做淘宝支付宝

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差

pandas.DataFrame.cov()

pandas.DataFrame.cov() 方法用于计算 DataFrame 中每对列之间的协方差。协方差是统计学中用来衡量两个变量之间线性关系强度的指标。正值表示正相关，负值表示负相关，而接近零的值表示几乎没有线性关系。

参数说明：

1. min_periods：int, optional
   • 计算协方差时所需的最小观测数量。如果有效观测数少于此值，则结果为 NaN。
2. ddof：int, optional
   • Delta Degrees of Freedom（自由度调整）。默认情况下，协方差的计算使用无偏估计（即除以 N-1，其中 N 是样本数量）。可以通过设置此参数来改变分母。
3. numeric_only：bool, optional
   • 如果为 True，则仅包含数值类型的列（如 float、int、boolean）参与计算。

返回值：

返回一个 DataFrame，表示各列之间的协方差矩阵。

---

示例代码：

import pandas as pd
import numpy as np# 创建一个示例 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],'B': [5, 4, 3, 2, 1],'C': [2, 4, 6, 8, 10]
})# 计算协方差矩阵
cov_matrix = df.cov()
print(cov_matrix)

输出结果：

     A    B    C
A  2.5 -2.5  5.0
B -2.5  2.5 -5.0
C  5.0 -5.0 10.0

---

结果解释：

• A 和 B 的协方差为 -2.5，表明它们呈负相关。
• A 和 C 的协方差为 5.0，表明它们呈正相关。
• B 和 C 的协方差为 -5.0，表明它们呈负相关。

通过协方差矩阵可以直观地观察各列之间的线性关系强度和方向。