从零实现numpy协方差矩阵时输出与np.cov结果不一致问题

你的代码存在多处逻辑错误、变量调用错误和API认知错误，具体如下：

• 未定义变量直接调用，结果变量被循环覆盖
  代码中的mat变量从未定义，属于无效调用；同时covariance是循环内的临时变量，每次迭代都会被新的计算结果覆盖，最终只会保留最后一次循环的一维结果，自然和np.cov输出的二维矩阵维度不匹配。
• 协方差计算逻辑完全错误
  协方差的核心是两个变量去均值后的乘积的无偏估计，你写的mat0 = mat[i][j] - [means][0].reshape(M, -1)逻辑完全不符合协方差的定义，无意义的reshape操作也会导致计算维度错乱。
• np.cov参数逻辑认知错误
  np.cov默认将每一行视为一个变量、每一列视为该变量的一个观测值，你直接传入df得到的是样本间协方差矩阵（N行N列），但你的手写代码是按照每列作为变量计算特征间协方差矩阵（M行M列），二者本身就不是同一个计算目标，结果自然不可能匹配。如果你希望np.cov输出和手写目标一致的特征间协方差矩阵，应该调用np.cov(df.T)。
• 循环顺序逻辑错误
  你把协方差的计算嵌套在了计算单变量均值、标准差的循环内部，计算协方差时部分列的均值还未完成计算，直接用了未正确赋值的means数组元素，结果肯定存在偏差。正确的顺序是先算完所有列的均值，再遍历计算两两变量的协方差。
• 缺少依赖导入
  代码中使用了math.sqrt但未导入math模块，运行时本应直接报错，你得到的输出大概率是之前运行缓存的历史变量值。

修正后的特征间协方差矩阵实现（对齐np.cov(df.T)结果） #

import pandas as pd
import numpy as np
import math

df = pd.read_csv('C:/Users/User/Downloads/Admission_Predict.csv')
X = df.values
N, M = X.shape

means = np.zeros(M)
# 第一步：先计算所有列的均值
for i in range(M):
    means[i] = np.sum(X[:, i]) / N

# 第二步：计算协方差矩阵
cov_matrix = np.zeros((M, M))
for i in range(M):
    # 第i列去均值
    x_diff = X[:, i] - means[i]
    for j in range(M):
        # 第j列去均值
        y_diff = X[:, j] - means[j]
        # 协方差计算：乘积和除以N-1（无偏估计）
        cov_matrix[i][j] = np.sum(x_diff * y_diff) / (N - 1)

print(cov_matrix)
# 和官方结果对比验证
print(np.allclose(cov_matrix, np.cov(X.T)))

如果你需要对齐np.cov(df)的样本间协方差结果 #

只需要把上述代码中按列处理的逻辑修改为按行处理即可，核心是将每行作为一个变量，计算两两行之间的协方差。

内容的提问来源于stack exchange，提问作者melololo