更新scipy.stats.multivariate_normal协方差时触发AttributeError求助

尝试逐次更新scipy中多元高斯分布的协方差矩阵时触发了AttributeError，复现代码如下：

import numpy as np
from scipy.stats import multivariate_normal
# Initial mean 
init_pose = np.array([0, 0, 0]).T

# Multi-variate Gaussian 
belief = multivariate_normal(mean=init_pose, cov=np.diag([1e-10, 1e-10, 1e-10])) 
print(belief.mean, belief.cov)

# Update mean and covariance 
belief.mean = np.array([10, 20, 30]).T
belief.cov = np.diag([1, 2, 3])

错误信息：

AttributeError                            Traceback (most recent call last)
Cell In[42], line 7
      5 print(belief.mean, belief.cov)
      6 belief.mean = np.array([10, 20, 30]).T
----> 7 belief.cov = np.diag([1, 2, 3])
      8 print(belief.mean, belief.cov)

AttributeError: can't set attribute

通过belief.__dict__查看属性，发现对象没有cov属性，只有cov_object：

{'_dist': <scipy.stats._multivariate.multivariate_normal_gen object at 0x2b84d81cfc10>,
 'dim': 3, 'mean': array([0., 0., 0.]), 
'cov_object': <scipy.stats._covariance.CovViaPSD object at 0x2b84d81cfbe0>, 
'allow_singular': False, 'maxpts': 3000000, 'abseps': 1e-05, 'releps': 1e-05}

疑问：是否可以用numpy数组直接更新协方差？

解决方案 #

为什么不能直接赋值cov #

multivariate_normal实例的cov是只读属性，它是从cov_object中计算导出的，并非可直接修改的实例变量，所以直接赋值会触发AttributeError。

两种可行的更新方式 #

方式1：直接修改cov_object内部参数（不推荐）

可以通过cov_object的data属性直接替换协方差矩阵，但这属于访问内部私有接口，scipy版本更新后可能失效：

# 直接替换cov_object的data为新的numpy数组
belief.cov_object.data = np.diag([1,2,3])
# 验证更新结果
print(belief.cov)  # 输出：[[1. 0. 0.]
                   #        [0. 2. 0.]
                   #        [0. 0. 3.]]

方式2：重新实例化multivariate_normal（推荐）

scipy设计上更推荐通过重新创建实例来更新分布参数，这种方式更稳定，符合API设计规范：

# 基于当前mean和新cov创建新实例
belief = multivariate_normal(mean=belief.mean, cov=np.diag([1,2,3]))
print(belief.mean, belief.cov)

关于mean可直接赋值的原因 #

mean是实例的可写属性，scipy内部实现了对应的setter方法，所以可以直接赋值修改；而cov仅实现了getter方法，没有开放setter。

内容的提问来源于stack exchange，提问作者Ogiad