大熊猫与阴囊之间的偏斜和峰态功能有什么区别？

lin_bug：

我决定在pandas和scipy.stats中比较偏斜和峰度函数，但不明白为什么我在库之间得到不同的结果。

据我所知，这两个峰度函数都是使用Fisher的定义进行计算的，而对于偏斜而言，似乎没有足够的描述来说明它们的计算方式是否存在重大差异。

import pandas as pd
import scipy.stats.stats as st

heights = np.array([1.46, 1.79, 2.01, 1.75, 1.56, 1.69, 1.88, 1.76, 1.88, 1.78])

print "skewness:", st.skew(heights)
print "kurtosis:", st.kurtosis(heights)

这将返回：

skewness: -0.393524456473
kurtosis: -0.330672097724

而如果我转换为熊猫数据框：

heights_df = pd.DataFrame(heights)
print "skewness:", heights_df.skew()
print "kurtosis:", heights_df.kurtosis()

这将返回：

skewness: 0   -0.466663
kurtosis: 0    0.379705

抱歉，如果我将其张贴在错误的位置；不知道这是统计数据还是编程问题。

布伦·巴恩：

差异是由于不同的归一化。默认情况下，Scipy不能纠正偏见，而熊猫可以。

您可以通过传递bias=False参数来告诉scipy纠正偏差：

>>> x = pandas.Series(np.random.randn(10))
>>> stats.skew(x)
-0.17644348972413657
>>> x.skew()
-0.20923623968879457
>>> stats.skew(x, bias=False)
-0.2092362396887948
>>> stats.kurtosis(x)
0.6362620964462327
>>> x.kurtosis()
2.0891062062174464
>>> stats.kurtosis(x, bias=False)
2.089106206217446

似乎没有办法告诉熊猫消除偏差校正。

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。