我有以下np.array
:
my_matrix = np.array([[1,np.nan,3], [np.nan,1,2], [np.nan,1,2]])
array([[ 1., nan, 3.],
[nan, 1., 2.],
[nan, 1., 2.]])
如果我在上面评估np.cov
,我得到:
np.cov(my_matrix)
array([[nan, nan, nan],
[nan, nan, nan],
[nan, nan, nan]])
但如果我用pd.DataFrame.cov
计算它,我会得到一个不同的结果:
pd.DataFrame(my_matrix).cov()
0 1 2
0 NaN NaN NaN
1 NaN 0.0 0.000000
2 NaN 0.0 0.333333
我知道根据pandas
文档,它们处理nan
值。
我的问题是,如何使用numpy
获得相同(或相似的结果(?或者,在使用numpy
计算协方差时,如何处理丢失的数据?
您可以使用Numpy的掩码数组。
import numpy.ma as ma
cv = ma.cov(ma.masked_invalid(my_matrix), rowvar=False)
cv
masked_array(
data=[[--, --, --],
[--, 0.0, 0.0],
[--, 0.0, 0.33333333333333337]],
mask=[[ True, True, True],
[ True, False, False],
[ True, False, False]],
fill_value=1e+20)
要生成填充了nan
值的ndarray
,请使用filled
方法。
cv.filled(np.nan)
array([[ nan, nan, nan],
[ nan, 0. , 0. ],
[ nan, 0. , 0.33333333]])
注意,默认情况下np.cov
会产生成对的行协变量。要复制Pandas行为(成对列协变(,必须将rowvar=False
传递给ma.cov
。