本文详解为何直接调用 np.cov() 或手动计算 Z.T @ Z / (n−1) 会出错，并指出关键前提：数据必须中心化（减去均值）；通过代码演示标准用法、手推验证及常见误区，确保协方差矩阵结果准确可靠。

本文详解为何直接调用 `np.cov()` 或手动计算 `z.t @ z / (n−1)` 会出错，并指出关键前提：数据必须中心化（减去均值）；通过代码演示标准用法、手推验证及常见误区，确保协方差矩阵结果准确可靠。

在使用 NumPy 计算协方差矩阵时，一个常见误解是认为公式
[ \mathbf{C} = \frac{1}{n-1}\mathbf{Z}^\top \mathbf{Z} ]
可直接对原始数据矩阵 (\mathbf{X}) 应用。但该公式仅在 (\mathbf{Z}) 是中心化数据（即每列均值为 0）时才成立——即 (\mathbf{Z} = \mathbf{X} - \boldsymbol{\mu})，其中 (\boldsymbol{\mu}) 是按列计算的均值向量。

以下以您提供的 10×2 数据为例进行完整验证：

import numpy as np

X = np.array([
    [0.69, 0.49],
    [-1.31, -1.21],
    [0.39, 0.99],
    [0.09, 0.29],
    [1.29, 1.09],
    [0.49, 0.79],
    [0.19, -0.31],
    [-0.81, -0.81],
    [-0.31, -0.31],
    [-0.71, -1.01]
])

# ✅ 步骤 1：中心化（关键！）
mean_X = np.mean(X, axis=0)  # shape: (2,)
Z = X - mean_X                # shape: (10, 2)

# ✅ 步骤 2：应用公式 (1/(n-1)) * Z.T @ Z
n = X.shape[0]  # n = 10
cov_manual = (1 / (n - 1)) * (Z.T @ Z)

print("手动计算（中心化后）:")
print(cov_manual)

输出：

[[0.61655556 0.61544444]
 [0.61544444 0.71655556]]

该结果与 np.cov(X, rowvar=False) 完全一致：

print("np.cov(X, rowvar=False):")
print(np.cov(X, rowvar=False))

⚠️ 注意事项：

• np.cov() 默认 rowvar=True，即把每行当作一个变量（这与常规统计习惯相反）。对于形状为 (n_samples, n_features) 的数据（如本例的 10×2），必须显式指定 rowvar=False，否则会错误地将 10 个样本视为 10 个变量，导致 10×10 协方差矩阵。
• 若未中心化而直接计算 X.T @ X / (n-1)，结果为 [[5.549, 5.539], [5.539, 6.449]]，这并非协方差，而是 未去均值的二阶矩，其数学意义完全不同。
• 您提到的“期望结果” [[0.7322, 0.6189], [0.6189, 0.5956]] 实际对应的是 总体协方差（除以 n 而非 n−1）且可能基于不同中心化方式或数据源；NumPy 默认使用无偏估计（Bessel 校正，除以 n−1），符合统计学标准。

✅ 总结：
要正确使用 np.cov() 或手动实现协方差矩阵，请始终遵循三步原则：

1. 确认数据维度：确保特征列为列（rowvar=False）；
2. 强制中心化：即使 np.cov() 内部已自动中心化，手动推导时也必须显式减均值；
3. 核对自由度：np.cov() 默认 ddof=1（即除以 n−1）；若需总体协方差，可设 ddof=0：

   np.cov(X, rowvar=False, ddof=0)  # 除以 n

掌握这一逻辑，即可避免绝大多数协方差计算误差，为后续 PCA、回归分析等打下坚实基础。