《应用多元统计》计算样本均值向量，样本离差阵，样本协差阵，样本相关阵

小半 • 2023年1月12日下午2:09 • 技术随笔 • 阅读 244

样本均值向量：

样本离差阵：

样本协差阵：

样本相关阵：

获取文件no1.csv 这个就是一个例子，随便什么表格都能算，只要里面是数字就行

import pandas as pd
import numpy as np
df=pd.read_excel('no1.csv')
df

打印输出内容

输出均值

print(round(df.var(),3)) 
print(df.var(axis=1)) 
print(df.iloc[0,:].var())

ha = []
pi = []
for i in range(19):
    ha.append(2002+i)
    pi.append([df.var(axis=1)[i]])
print(pi)

作为表格输出

import pandas as pd
import matplotlib.pyplot as plt
 
#设置绘图风格
plt.style.use('ggplot')
#处理中文乱码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
#坐标轴负号的处理
plt.rcParams['axes.unicode_minus']=False
 
plt.plot(ha,
         pi, 
         linestyle = '-', 
         linewidth = 2,
         color = 'steelblue', 
         marker = 'o', 
         markersize = 7, 
         markeredgecolor='black', 
         markerfacecolor='brown',
         )
 
plt.xticks(fontsize=10, ) 
plt.ylabel('均值')
plt.title('每年均值向量变化')
plt.show()

import numpy as np
 
covariance_matrix = np.cov(df)
# 可视化
#如果你的表格里面数据太杂还得适当进行处理
#例如我这里就是除了一个10^9
#for i in range(len(covariance_matrix)):
#   for j in range(len(covariance_matrix[i])):
#       covariance_matrix[i][j] = int(covariance_matrix[i][j]/1000000000)
#
print(covariance_matrix)
import matplotlib.pyplot as mp, seaborn
seaborn.heatmap(covariance_matrix, center=0, annot=True, xticklabels=list('abcdefghi'), yticklabels=list('ABCDEFGHI'))
mp.show()

处理前