本文主要是介绍Pandas cov()函数结果解释，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Pandas cov()函数结果解释
df = pd.DataFrame([(1, 2), (0, 3), (2, 0), (1, 1)],columns=['dogs', 'cats'])
print(df.cov())
结果：
dogs catsdogs 0.666667 -1.000000cats -1.000000 1.666667
计算过程：
E[dogs]=(1+0+2+1)/4=1
E[cats]=(2+3+0+1)/4=1.5
cov(dogs,cats)
=E[(dog-E[dogs])(cat-E[cats])]
=[(1-1)(2-1.5)+(0-1)(3-1.5)+(2-1)(0-1.5)+(1-1)(1-1.5)]/(4-1)
=-1
即（dogs,cats）索引处的值
cov()为协方差函数，协方差表示的是两个变量的总体误差
v a r ( X ) = S 2 = ∑ i = 1 n ( X i − X ‾ ) ( X i − X ‾ ) n − 1 var(X)=S^2= \cfrac{\sum_{i=1}^n (X_i-\overline X)(X_i-\overline X)}{n-1} var(X)=S2=n−1
这篇关于Pandas cov()函数结果解释的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
