协方差python图示
时间: 2024-04-15 20:23:42 浏览: 28
协方差是用来衡量两个变量之间的关系强度和方向的统计量。在Python中,可以使用NumPy库来计算协方差,并使用Matplotlib库来进行图示化。
下面是一个简单的示例代码,展示如何计算两个变量的协方差并进行图示化:
```python
import numpy as np
import matplotlib.pyplot as plt
# 生成两个随机变量
x = np.random.normal(0, 1, 100) # 均值为0,标准差为1的正态分布随机数
y = np.random.normal(0, 1, 100) # 均值为0,标准差为1的正态分布随机数
# 计算协方差矩阵
cov_matrix = np.cov(x, y)
# 提取协方差值
covariance = cov_matrix[0, 1]
# 绘制散点图
plt.scatter(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Scatter Plot of x and y')
# 添加协方差箭头
plt.arrow(np.mean(x), np.mean(y), np.std(x), np.std(y), color='red', width=0.05)
plt.arrow(np.mean(x), np.mean(y), -np.std(x), -np.std(y), color='red', width=0.05)
# 显示协方差值
plt.text(np.mean(x) + 0.5 * np.std(x), np.mean(y) + 0.5 * np.std(y), f'Covariance: {covariance:.2f}', color='red')
# 显示图形
plt.show()
```
这段代码首先使用`np.random.normal`函数生成了两个均值为0,标准差为1的正态分布随机数作为变量x和y。然后使用`np.cov`函数计算了x和y的协方差矩阵,并提取了协方差值。接下来,使用`plt.scatter`函数绘制了x和y的散点图,并使用`plt.arrow`函数添加了表示协方差的箭头。最后,使用`plt.text`函数在图中显示了协方差的数值。
相关推荐
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)