Pandas之Skewness和Kurtosis

偏度（skewness），是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数字特征。

定义上偏度是样本的三阶标准化矩：

方法：

DataFrame.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数：

axis : {index (0), columns (1)}
定义计算的轴
skipna : boolean, default True
计算时是否忽略空缺值，默认忽略
level : int or level name, default None
numeric_only : boolean, default None

（1）Skewness = 0 ，分布形态与正态分布偏度相同。
（2）Skewness > 0 ，正偏差数值较大，为正偏或右偏。长尾巴拖在右边，数据右端有较多的极端值。
（3）Skewness < 0 ，负偏差数值较大，为负偏或左偏。长尾巴拖在左边，数据左端有较多的极端值。
（4）数值的绝对值越大，表明数据分布越不对称，偏斜程度大。

Skewness 越大，分布形态偏移程度越大。

峰度（Kurtosis）

 

方法：

 

 

DataFrame.kurtosis（self，axis = None，skipna = None，level = None，numeric_only = None，** kwargs ）

 

用法：

Parameters
axis{index (0), columns (1)}
Axis for the function to be applied on.

skipnabool, default True
Exclude NA/null values when computing the result.

levelint or level name, default None
If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a Series.

Definition:峰度是描述某变量所有取值分布形态陡缓程度的统计量，简单来说就是数据分布顶的尖锐程度。

峰度是四阶标准矩计算出来的。
（1）Kurtosis=0 与正态分布的陡缓程度相同。
（2）Kurtosis>0 比正态分布的高峰更加陡峭——尖顶峰
（3）Kurtosis<0 比正态分布的高峰来得平台——平顶峰