有没有比这更好的方法来计算两个列表的协方差？

Question

我有两个列表，一个由 x 坐标组成，另一个由 y 坐标组成。

x_coordinates = [1, 2, 3, 4, 5]
y_coordinates = [1, 2, 3, 4, 5]

例如point 1就是(1,1)

我想计算两个列表的协方差，我编写了一个代码，但我认为它有点不必要的冗长和混乱。我知道我可以只使用 math.cov 来计算这个，但我想知道是否可以用 map 和 lambda 函数来巧妙地编程。

公式是这样的：

(x1 - average_x)*(y1 - average_y) + ... + (xn - average_x)*(yn - average_y) / (the number of the items in one of the lists)

代码：

import math

x_coordinates = [1, 2, 3, 4, 5]
y_coordinates = [1, 2, 3, 4, 5]
covariance_temp_sum = 0

x_mean = math.fsum(x_coordinates) / len(x_coordinates)
y_mean = math.fsum(y_coordinates) / len(y_coordinates)

for n in range(len(x_coordinates)):
    covariance_temp_sum += (x_coordinates[n] - x_mean) * (y_coordinates[n] - y_mean)

covariance = covariance_temp_sum / len(x_coordinates)

Answer 1

如果不想使用外部模块，可以这样处理：

x = [1, 2, 3, 4, 5]
y = [1, 2, 3, 4, 5]
mean_x = sum(x) / len(x)
mean_y = sum(y) / len(y)

sum((a - mean_x) * (b - mean_y) for (a,b) in zip(x,y)) / len(x)

输出：2

Answer 2

您可以使用理解、zip 和多变量赋值优雅地完成这些事情：

sum((x - x_mean)*(y - y_mean) for x, y in zip(x_coordinates, y_coordinates)) / len(x_coordinates)

有没有比这更好的方法来计算两个列表的协方差？

Is there any better way to calculate the covariance of two lists than this?

python

math

covariance