Python读取文本文件后计算协方差矩阵的实现方法

嘿，搞定这个协方差矩阵计算很简单，我帮你拆解成两步来做，顺便优化下你原来的读取代码：

第一步：完善数据读取，收集所有样本 #

你原来的代码只是逐行处理数据，但没有把所有41个样本保存下来——这是计算协方差矩阵的前提，因为协方差需要基于所有样本的特征分布来计算。我们把所有数据收集到一个列表里，再转成numpy数组：

import numpy as np

all_data = []
with open("Input2010_5a.txt", "r") as file:
    # 提示：如果你的文件第一行是表头（比如"date\tlong\tlat..."），记得加这行跳过表头：
    # next(file)
    for line in file:
        # 先去除换行符再分割，避免末尾的空字符串问题
        date, long, lat, depth, temp, sal = line.strip().split("\t")
        line_data = [
            float(date),
            float(long),
            float(lat),
            float(depth),
            float(temp),
            float(sal)
        ]
        all_data.append(line_data)

# 转换为numpy数组，形状是(41, 6)：41个样本，每个样本6个特征
data_array = np.array(all_data)

第二步：用numpy计算协方差矩阵 #

numpy自带的np.cov()函数可以直接帮我们计算，不过要注意参数的细节：

• 默认情况下np.cov()会把每行当作一个特征，但我们的数组是(样本数, 特征数)的结构，所以有两种等价的写法：

写法1：用rowvar=False指定按列取特征 #

这个参数直接告诉函数：我们的数组每一列是一个特征，每一行是一个样本，最直观：

# 得到的cov_matrix是(6,6)的矩阵，对应6个特征两两之间的协方差
cov_matrix = np.cov(data_array, rowvar=False)
print(cov_matrix)

写法2：转置数组后计算 #

把数组转置成(特征数, 样本数)的结构，符合np.cov()的默认逻辑：

cov_matrix = np.cov(data_array.T)
print(cov_matrix)

额外优化：给协方差矩阵加特征标签 #

如果想更清晰地看到每个协方差对应的特征，可以结合特征名称打印：

feature_names = ["date", "longitude", "latitude", "depth", "temperature", "salinity"]
for i, feature_i in enumerate(feature_names):
    row_values = [f"{cov_matrix[i,j]:.4f}" for j, _ in enumerate(feature_names)]
    print(f"{feature_i}: {' '.join(row_values)}")

这样你就能清楚看到比如日期和温度的协方差、深度和盐度的协方差这类具体结果了。

内容的提问来源于stack exchange，提问作者Alina Lerner