Covariance Explained — What It Measures, Formula & Examples

The Ice Cream & Drowning StoryIce Cream और डूबने की कहानी冰淇淋与溺水的故事

Imagine a researcher combs through 20 years of summer data and discovers something alarming: on days when ice cream sales spike, the number of drowning incidents also rises. Does ice cream cause drowning? Should we ban ice cream at beaches?

कल्पना करें कि एक researcher 20 साल के गर्मियों के data की छानबीन करता है और एक चौंकाने वाली बात पाता है: जिन दिनों ice cream की बिक्री उछलती है, उन दिनों डूबने की घटनाएँ भी बढ़ती हैं। क्या ice cream से लोग डूबते हैं? क्या beaches पर ice cream पर रोक लगानी चाहिए?

设想一位研究者翻阅了 20 年的夏季数据，发现了一件令人担忧的事：冰淇淋销量猛增的日子，溺水事件也随之增加。是冰淇淋导致溺水吗？海滩上应该禁售冰淇淋吗？

Of course not. Both are driven by a third factor — hot weather. When it's hot, people buy more ice cream and swim more, which raises drowning risk. The two variables move together, but one does not cause the other.

बिल्कुल नहीं। दोनों एक तीसरे कारण से चलते हैं — गर्म मौसम। गर्मी में लोग ज़्यादा ice cream ख़रीदते हैं और ज़्यादा तैरते हैं, जिससे डूबने का ख़तरा बढ़ता है। दोनों variables साथ चलते हैं, पर एक दूसरे का कारण नहीं।

当然不是。两者都由第三个因素驱动 —— 炎热天气。天热时，人们买更多冰淇淋，也更多去游泳，溺水风险随之上升。两个变量一起变化，但一个并不导致另一个。

Understanding covariance is the first step toward understanding correlation, PCA, and multivariate statistics. Every time a data scientist asks "do these two features move together?", they are thinking about covariance.

Covariance समझना correlation, PCA और multivariate statistics समझने की पहली सीढ़ी है। जब भी कोई data scientist पूछता है "क्या ये दो features साथ चलते हैं?", वह covariance के बारे में सोच रहा होता है।

理解协方差是理解相关系数、PCA 和多元统计的第一步。每当数据科学家问“这两个特征会一起变化吗？”，他想的就是协方差。

Covariance in Pictures — Understand Before the Mathsतस्वीरों में Covariance — गणित से पहले समझें图解协方差 — 先理解，再算数

Draw a dashed line through the mean of X and the mean of Y. This splits the plot into four corners. A point in the top-right or bottom-left (both values above, or both below, their means) is a green point. A point in the other two corners is red.

X के mean और Y के mean से dashed lines खींचें। इससे plot चार कोनों में बँट जाता है। ऊपर-दाएँ या नीचे-बाएँ का point (दोनों values अपने mean से ऊपर, या दोनों नीचे) हरा है। बाक़ी दो कोनों का point लाल है।

过 X 的均值和 Y 的均值各画一条虚线，把图分成四个角。右上或左下的点（两个值都高于或都低于各自均值）是绿色点；另外两个角的点是红色点。

What Covariance MeasuresCovariance क्या मापता है协方差衡量什么

Covariance measures how much two variables change together relative to their own means. For each observation, we look at how far X is from its mean and how far Y is from its mean. We multiply those two deviations and average the results.

Covariance मापता है कि दो variables अपने-अपने mean के हिसाब से साथ-साथ कितना बदलते हैं। हर observation के लिए हम देखते हैं कि X अपने mean से कितना दूर है और Y अपने mean से कितना। इन दोनों deviations को गुणा करते हैं और नतीजों का औसत लेते हैं।

协方差衡量两个变量相对于各自均值一起变化的程度。对每个观测值，看 X 离它的均值多远、Y 离它的均值多远，把这两个离差相乘，再取平均。

The FormulaFormula公式

There are two versions of the covariance formula — one for a population and one for a sample. In data science you will almost always use the sample formula, because you are working with a subset of the data.

Covariance के formula के दो रूप हैं — एक population के लिए और एक sample के लिए। Data science में आप लगभग हमेशा sample formula इस्तेमाल करेंगे, क्योंकि आप data के एक हिस्से पर काम कर रहे होते हैं।

协方差公式有两个版本 —— 一个用于总体，一个用于样本。在数据科学中，你几乎总是用样本公式，因为你处理的只是数据的一部分。

Step-by-Step CalculationStep-by-Step गणना分步计算

A real-world scenario: five students' hours studied (X) and exam score (Y). Is studying more associated with scoring higher?

एक असली स्थिति: पाँच छात्रों के पढ़ाई के घंटे (X) और exam score (Y)। क्या ज़्यादा पढ़ाई, ज़्यादा अंकों से जुड़ी है?

一个真实场景：五名学生的学习时长（X）和考试分数（Y）。学得多是否与考得高相关？

Python ImplementationPython ImplementationPython 实现

Manual calculationहाथ से गणना手动计算

import numpy as np

X = [2, 4, 6, 8, 10]      # hours studied
Y = [50, 60, 70, 85, 95]  # exam scores

x_mean = np.mean(X)
y_mean = np.mean(Y)
n = len(X)

products = [(x - x_mean) * (y - y_mean) for x, y in zip(X, Y)]
print("Deviation products:", [float(p) + 0.0 for p in products])

cov_sample = sum(products) / (n - 1)
cov_population = sum(products) / n
print(f"Sample covariance (÷ n−1):   {cov_sample}")
print(f"Population covariance (÷ n): {cov_population}")

Using NumPyNumPy से使用 NumPy

import numpy as np

X = [2, 4, 6, 8, 10]
Y = [50, 60, 70, 85, 95]

cov_matrix = np.cov(X, Y)      # ddof=1 (sample) by default
print(cov_matrix)
print(f"Var(X)    = {cov_matrix[0, 0]}")    # top-left
print(f"Var(Y)    = {cov_matrix[1, 1]}")    # bottom-right
print(f"Cov(X, Y) = {cov_matrix[0, 1]}")    # off-diagonal (same as [1, 0])

print("\nPopulation version (ddof=0):")
print(np.cov(X, Y, ddof=0))

Using pandaspandas से使用 pandas

import pandas as pd

df = pd.DataFrame({
    'hours': [2, 4, 6, 8, 10],
    'score': [50, 60, 70, 85, 95],
})

print(df.cov())                          # full covariance matrix (ddof=1)
print(df['hours'].cov(df['score']))      # single pair
print(round(df['hours'].corr(df['score']), 4))   # correlation for comparison

Why Covariance Depends on UnitsCovariance Units पर क्यों निर्भर है为什么协方差依赖单位

Covariance multiplies an X-deviation by a Y-deviation, so its unit is "X-unit × Y-unit". Measure hours in minutes and every X-deviation becomes 60 times bigger — so does the covariance. The relationship itself has not changed at all.

Covariance एक X-deviation को Y-deviation से गुणा करता है, इसलिए उसकी unit "X-unit × Y-unit" होती है। घंटों को मिनट में मापें तो हर X-deviation 60 गुना बड़ा हो जाता है — और covariance भी। रिश्ता ज़रा भी नहीं बदला।

协方差是 X 离差乘以 Y 离差，所以它的单位是“X 单位 × Y 单位”。把小时换成分钟，每个 X 离差变成 60 倍 —— 协方差也一样。而关系本身完全没变。

import numpy as np

hours = np.array([2, 4, 6, 8, 10])
score = np.array([50, 60, 70, 85, 95])

def cov(a, b):
    return np.cov(a, b)[0, 1]

def corr(a, b):
    return np.corrcoef(a, b)[0, 1]

print(f"hours  vs marks:     cov = {cov(hours, score):8.1f}   r = {corr(hours, score):.4f}")
print(f"minutes vs marks:    cov = {cov(hours * 60, score):8.1f}   r = {corr(hours * 60, score):.4f}")
print(f"hours  vs fraction:  cov = {cov(hours, score / 100):8.3f}   r = {corr(hours, score / 100):.4f}")
print(f"hours+1 vs marks+5:  cov = {cov(hours + 1, score + 5):8.1f}   r = {corr(hours + 1, score + 5):.4f}")

The Covariance MatrixCovariance Matrix协方差矩阵

With many variables, we put every pairwise covariance into a covariance matrix. The diagonal holds each variable's variance; every other cell is the covariance of a pair. The matrix is symmetric. It is the starting point for correlation matrices, PCA, multivariate normal distributions and many ML methods.

बहुत से variables हों तो हर जोड़े का covariance एक covariance matrix में रखते हैं। Diagonal में हर variable का variance होता है; बाक़ी हर cell किसी जोड़े का covariance है। Matrix symmetric होती है। यही correlation matrices, PCA, multivariate normal distributions और कई ML methods की शुरुआत है।

变量很多时，把每一对的协方差放进协方差矩阵。对角线是各变量的方差，其余每个单元格是一对变量的协方差。矩阵是对称的。它是相关矩阵、PCA、多元正态分布和许多机器学习方法的起点。

import numpy as np
import pandas as pd

rng = np.random.default_rng(7)
n = 200
height = rng.normal(170, 8, n)                           # cm
weight = 0.9 * (height - 170) + rng.normal(70, 6, n)     # kg
shoe   = 0.25 * (height - 170) + rng.normal(42, 1.2, n)  # EU size
df = pd.DataFrame({'height_cm': height, 'weight_kg': weight, 'shoe_eu': shoe})

C = df.cov()
print("Covariance matrix:")
print(C.round(2))

# Correlation = covariance divided by the two standard deviations
sd = np.sqrt(np.diag(C))
R = C / np.outer(sd, sd)
print("\nCorrelation matrix (from covariance):")
print(R.round(3))
print("\nSame as df.corr()?", np.allclose(R, df.corr()))

Dividing each covariance by the two standard deviations turns the covariance matrix into the correlation matrix — exactly what df.corr() returns. Height and shoe size have the strongest correlation (0.85) even though their covariance (12.38) is much smaller than height and weight (44.76), because shoe sizes vary over a much smaller range.

हर covariance को दोनों standard deviations से भाग देने पर covariance matrix, correlation matrix बन जाती है — ठीक वही जो df.corr() देता है। Height और shoe size का correlation सबसे मज़बूत (0.85) है, जबकि उनका covariance (12.38), height और weight के (44.76) से बहुत छोटा है — क्योंकि shoe sizes बहुत छोटी range में बदलते हैं।

把每个协方差除以两个标准差，协方差矩阵就变成了相关矩阵 —— 正是 df.corr() 返回的结果。身高与鞋码的相关最强（0.85），尽管它们的协方差（12.38）远小于身高与体重（44.76），因为鞋码的变化范围小得多。

Covariance vs Correlation — ComparisonCovariance vs Correlation — तुलना协方差 vs 相关系数 — 对比

Covariance and correlation are closely related. Correlation is simply the standardised version of covariance — you divide by the standard deviations of both variables to remove the effect of units.

Covariance और correlation आपस में बहुत जुड़े हैं। Correlation बस covariance का standardised रूप है — units का असर हटाने के लिए दोनों variables के standard deviations से भाग देते हैं।

协方差和相关系数密切相关。相关系数就是协方差的标准化版本 —— 除以两个变量的标准差，消除单位的影响。

Zero Covariance Does Not Mean "No Relationship"Zero Covariance का मतलब "कोई रिश्ता नहीं" नहीं零协方差不等于“没有关系”

Covariance only measures the straight-line part of a relationship. A perfect curve can give zero covariance — but only when the positive and negative boxes happen to cancel out.

Covariance रिश्ते का सिर्फ़ सीधी-line वाला हिस्सा मापता है। एक perfect curve भी zero covariance दे सकता है — पर सिर्फ़ तब जब positive और negative boxes संयोग से एक-दूसरे को काट दें।

协方差只衡量关系中的直线部分。完美的曲线也可能让协方差为零 —— 但前提是正负方块恰好相互抵消。

import numpy as np

x = np.arange(-5, 6)          # -5 ... 5, symmetric around 0
y = x ** 2                    # perfect curve
print("x from -5 to 5:  cov =", round(np.cov(x, y)[0, 1], 2))

x2 = np.arange(0, 11)         # 0 ... 10, NOT symmetric around 0
y2 = x2 ** 2
print("x from 0 to 10:  cov =", round(np.cov(x2, y2)[0, 1], 2))

Golden RulesGolden Rules黄金法则