Python Pandas dataframe.skew()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.skew()函数在请求的轴上返回无偏斜，由N-1归一化。偏度是real-valued随机变量关于其均值的概率分布的不对称性的度量。有关偏斜度的更多信息，请参考此链接。

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

参数：
axis: {index (0), columns (1)}
skipna: Exclude NA/null values when computing the result.
level: If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a Series
numeric_only: Include only float, int, boolean columns. If None, will attempt to use everything, then use only numeric data. Not implemented for Series.

返回：skew:Series or DataFrame (if level specified)

要链接到代码中使用的CSV文件，请单击此处

范例1：采用skew()函数查找索引轴上数据的偏度。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Print the dataframe 
df

让我们使用dataframe.skew()查找偏斜的函数

# skewness along the index axis 
df.skew(axis = 0, skipna = True)

输出：


范例2：采用skew()函数查找列轴上数据的偏度。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# skip the na values 
# find skewness in each row 
df.skew(axis = 1, skipna = True)

输出：