1.命令
numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None, aweights=None)
2.参数
Parameters
----------
m : 一维或2维数组，每行代表一个特征，每列代表一个样本
y : 数组，可选
额外的变量和观测值，与m格式相同，可以认为y为m的延伸
rowvar : 布尔值，可选，默认为True
True: 行（特征）列（样本）
False:行（样本）列（特征）
bias : 布尔值，可选，默认为False
False: 无偏估计，协方差计算分母为n-1
True:有偏估计，协方差计算分母为n（n为样本数）
ddof : 整数，可选，默认值为None,对协方差公式分母的改写
1: 无偏估计（即使fweights` and `aweights` 被定义）
0：简单平均
fweights : 数组，可选
一维实数向量，表示频率权重，即每个样本被重复的次数
aweights : 数组，可选
一维样本向量的权重，权重越大，样本越重要；当ddof=0时可通过此向量设置不同样本权重
Returns
-------
out : n维数组
3.举例
