Python SciPy stats.describe用法及代码示例

本文简要介绍 python 语言中 scipy.stats.describe 的用法。

用法:

scipy.stats.describe(a, axis=0, ddof=1, bias=True, nan_policy='propagate')#

计算传递数组的几个说明性统计数据。

参数 ：：

a： array_like

输入数据。

axis： int 或无，可选

计算统计数据的轴。默认值为 0。如果没有，则计算整个数组 a。

ddof： 整数，可选

Delta 自由度(仅适用于方差)。默认值为 1。

bias： 布尔型，可选

如果为 False，则针对统计偏差校正偏度和峰度计算。

nan_policy： {‘propagate’, ‘raise’, ‘omit’}，可选

定义当输入包含 nan 时如何处理。以下选项可用(默认为‘propagate’)：

• ‘propagate’：返回 nan

• ‘raise’：引发错误

• ‘omit’：执行忽略 nan 值的计算

返回 ：：

nobs： int 或整数数组

观察次数(沿轴的数据长度)。当‘omit’选择为nan_policy时，沿每个轴切片的长度分别计算。

minmax：ndarray 或浮点数的元组

a 沿给定轴的最小值和最大值。

mean： ndarray 或浮点数

a 沿给定轴的算术平均值。

variance： ndarray 或浮点数

a 沿给定轴的无偏方差；分母是观察数减一。

skewness： ndarray 或浮点数

a 沿给定轴的偏度，基于分母等于观测数的矩计算，即没有自由度校正。

kurtosis： ndarray 或浮点数

沿给定轴的峰度(Fisher)。峰度被归一化，使其对于正态分布为零。没有使用自由度。

例子：

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(10)
>>> stats.describe(a)
DescribeResult(nobs=10, minmax=(0, 9), mean=4.5,
               variance=9.166666666666666, skewness=0.0,
               kurtosis=-1.2242424242424244)
>>> b = [[1, 2], [3, 4]]
>>> stats.describe(b)
DescribeResult(nobs=2, minmax=(array([1, 2]), array([3, 4])),
               mean=array([2., 3.]), variance=array([2., 2.]),
               skewness=array([0., 0.]), kurtosis=array([-2., -2.]))