为什么矩阵或向量的 numpy 方差给出标量
why numpy variance of a matrix or vector gives a scalar
已更新：如果您想获得矩阵，请改用np.cov。
给定一个向量 vec= np.array([1,2,3,4])，为什么 np.var(vec) return 我是标量而不是 variance-covariance matrix in mathematics definiation？
即使在我将向量强制为列向量后，这仍然成立，vec_column = vec[:, np.newaxis]，np.var(vec_columb) 仍然给出标量而不是通常的定义。
此外，给定矩阵 a = np.array([[1, 2], [3, 4]]) 或 a = np.matrix('1 2; 3 4')，为什么 np.var(a) return 我是缩放器。
已更新：如果您想获得矩阵，请改用np.cov。
给定一个向量 vec= np.array([1,2,3,4])，为什么 np.var(vec) return 我是标量而不是 variance-covariance matrix in mathematics definiation？
即使在我将向量强制为列向量后，这仍然成立，vec_column = vec[:, np.newaxis]，np.var(vec_columb) 仍然给出标量而不是通常的定义。
此外，给定矩阵 a = np.array([[1, 2], [3, 4]]) 或 a = np.matrix('1 2; 3 4')，为什么 np.var(a) return 我是缩放器。