Python案例如何用Pandas做数据协方差

Python案例：如何用Pandas做数据协方差——从公式到实战的完整指南

目录导读

1. 协方差的本质与数学意义
2. Pandas核心函数：.cov()的用法
3. 案例实战：股票收益率协方差分析
4. 结果解读与业务应用
5. 常见问题FAQ（含代码解答）

---

协方差的本质：测度两个变量的“同步性”

协方差（Covariance）衡量两个变量线性相关的方向与强度，公式为：

[ \text{Cov}(X,Y) = \frac{\sum_{i=1}^n (X_i - \bar{X})(Y_i - \bar{Y})}{n-1} ]

• 正值：X增大时Y也增大（同向变动）
• 负值：X增大时Y减小（反向变动）
• 接近0：无明显线性关系

注意：协方差的数值受量纲影响，标准化后即为相关系数（.corr()）。

Pandas协方差核心函数详解

Pandas中计算协方差只需一行代码：

DataFrame.cov()   # 返回协方差矩阵
Series.cov(other) # 计算两个Series的协方差（标量）

关键参数与特性：

• 默认按列计算：每列为一个变量，每行为一个观测值
• 缺失值处理：自动忽略 NaN（min_periods 参数可控制最少非空值数）
• 返回DataFrame：对角线为方差，非对角线为协方差

完整案例：分析三只股票收益率的协方差

1 准备数据

假设我们有3只股票（A、B、C）过去10天的收盘价：

import pandas as pd
import numpy as np
# 模拟股票价格数据
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=10, freq='D')
stock_data = {
    'Stock_A': [100, 102, 105, 103, 108, 110, 109, 112, 115, 118],
    'Stock_B': [50, 52, 55, 53, 58, 60, 59, 62, 65, 68],
    'Stock_C': [80, 78, 76, 79, 82, 85, 83, 86, 84, 87]
}
df_prices = pd.DataFrame(stock_data, index=dates)

2 计算日收益率（使用.pct_change()）

df_returns = df_prices.pct_change().dropna()
print(df_returns.head())

3 计算协方差矩阵

cov_matrix = df_returns.cov()
cov_matrix

输出示例（近似值）：

            Stock_A   Stock_B   Stock_C
Stock_A  0.002234  0.001876 -0.000312
Stock_B  0.001876  0.001987 -0.000220
Stock_C -0.000312 -0.000220  0.001543

4 解译结果

• Stock_A与Stock_B的协方差为正（0.001876），说明同向波动
• Stock_A与Stock_C的协方差为负（-0.000312），说明反向波动
• 对角线（如0.002234）是Stock_A收益率的方差

业务应用：投资组合风险分散

利用协方差矩阵,可以计算投资组合风险（假设等权重）：

weights = np.array([1/3, 1/3, 1/3])
portfolio_variance = weights @ cov_matrix @ weights
print(f"组合方差: {portfolio_variance:.6f}")

输出：

组合方差: 0.001085

三只股票的负协方差降低了整体波动,达到分散风险效果。

常见问题FAQ（附解决方案）

Q1：如何只计算两个特定列的协方差？

# 方法1：用Series方法
cov_ab = df_returns['Stock_A'].cov(df_returns['Stock_B'])
# 方法2：从矩阵提取
cov_ab = cov_matrix.loc['Stock_A', 'Stock_B']

Q2：数据中存在空值怎么办？

# 自动忽略NaN
df_returns.cov()  
# 设置最少有效观测值
df_returns.cov(min_periods=8)  

Q3：协方差与相关系数的区别？

# 相关系数 = 协方差 / (标准差1 * 标准差2)
corr_ab = df_returns['Stock_A'].corr(df_returns['Stock_B'])
# 等价于：cov_ab / (df_returns['Stock_A'].std() * df_returns['Stock_B'].std())

Q4：可以计算多个DataFrame间的协方差吗？

# 两个DataFrame需要相同索引
cov_between = pd.api.interchange.from_dataframe(df_returns).cov(
    pd.api.interchange.from_dataframe(other_df)
)  # 涉及数据交换，建议直接合并后计算

Q5：为什么协方差结果与Excel不同？

• 检查是否使用样本协方差（默认除以n-1）
• 确认缺失值处理方式（Pandas默认忽略，Excel可能会用0填充）

---

总结与行动指南

1. 核心命令：DataFrame.cov() 即可获得完整的协方差矩阵
2. 应用场景：量化金融的风险评估、供应链销量关联分析、传感器数据同步检测
3. 注意事项：协方差对异常值敏感，建议先做数据清洗；量纲差异大时优先用相关系数

下一步建议：尝试将这个案例扩展到真实金融数据集（如Yahoo Finance的yfinance库），观察市场板块间的联动性。

记住：协方差是衡量线性关系的工具，非线性关系需用互信息或秩相关等其他方法。