Covariância
Covariância é uma medida da variabilidade conjunta de duas variáveis aleatórias.
As fórmulas para amostra e população de covariância diferem, mas não serão exploradas em detalhes aqui. Este capítulo foca nas covariâncias do seguinte conjunto de dados:
Store_ID: the unique id of the store;Store_Area: the area of the store;Items_Available: the number of items that are available in the store;Daily_Customer_Count: the daily number of customers in the store;Store_Sales: the number of sales in the store.
Calculando a Covariância com Python
Para calcular a covariância em Python, utilize a função np.cov() da biblioteca NumPy. Ela recebe dois parâmetros: as sequências de dados para as quais se deseja calcular a covariância.
O resultado está localizado no índice [0,1]. Este curso não abordará os outros valores do resultado, consulte o exemplo:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating covariance cov = np.cov(df['Store_Area'], df['Items_Available'])[0,1] print(round(cov, 2))
Isso indica que os valores variam na mesma direção. Isso é esperado, pois uma área de loja maior corresponde a um número maior de itens. Uma desvantagem significativa da covariância é que o valor pode ser infinito.
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Can you explain what the other values in the np.cov() output mean?
How do I interpret the sign and magnitude of the covariance value?
Can you show how to calculate covariance for other pairs of columns in the dataset?
Awesome!
Completion rate improved to 2.63Covariância
Deslize para mostrar o menu
Covariância é uma medida da variabilidade conjunta de duas variáveis aleatórias.
As fórmulas para amostra e população de covariância diferem, mas não serão exploradas em detalhes aqui. Este capítulo foca nas covariâncias do seguinte conjunto de dados:
Store_ID: the unique id of the store;Store_Area: the area of the store;Items_Available: the number of items that are available in the store;Daily_Customer_Count: the daily number of customers in the store;Store_Sales: the number of sales in the store.
Calculando a Covariância com Python
Para calcular a covariância em Python, utilize a função np.cov() da biblioteca NumPy. Ela recebe dois parâmetros: as sequências de dados para as quais se deseja calcular a covariância.
O resultado está localizado no índice [0,1]. Este curso não abordará os outros valores do resultado, consulte o exemplo:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating covariance cov = np.cov(df['Store_Area'], df['Items_Available'])[0,1] print(round(cov, 2))
Isso indica que os valores variam na mesma direção. Isso é esperado, pois uma área de loja maior corresponde a um número maior de itens. Uma desvantagem significativa da covariância é que o valor pode ser infinito.
Obrigado pelo seu feedback!
