Covariance en Python NumPy

Ce tutoriel présentera la méthode pour calculer la covariance entre deux tableaux NumPy en Python.

Covariance avec la fonction numpy.cov()

En statistique, la covariance est la mesure du changement d’une variable avec le changement de l’autre variable. La covariance nous indique dans quelle mesure une variable change si une autre variable est modifiée. Nous pouvons calculer la covariance entre deux tableaux NumPy avec la fonction numpy.cov(a1, a2) en Python.

Ici, a1 représente une collection de valeurs de la première variable, et a2 représente une collection de valeurs de la deuxième variable. La fonction numpy.cov() renvoie un tableau 2D dans lequel la valeur à l’index [0][0] est la covariance entre a1 et a1, la valeur à l’index [0][1] est la covariance entre a1 et a2, la valeur à l’index [1][0] est la covariance entre a2 et a1, et la valeur à l’index [1][1] est la covariance entre a2 et a2. Voir l’exemple de code suivant.

import numpy as np

array1 = np.array([1, 2, 3])
array2 = np.array([2, 4, 5])

covariance = np.cov(array1, array2)[0][1]
print(covariance)

Production:

1.5

Nous avons d’abord créé les deux tableaux NumPy array1 et array2 avec la fonction np.array(). Ensuite, nous avons calculé la covariance avec le np.cov(array1, array2)[0][1] et enregistré le résultat dans la variable covariance. Au final, nous avons imprimé la valeur à l’intérieur de la variable covariance.