Python Scipy stats.kurtosis()用法及代码示例

scipy.stats.kurtosis(array, axis=0, fisher=True, bias=True)函数计算数据集的峰度(Fisher或Pearson)。它是第四个中心矩除以方差的平方。它是“tailedness”的量度，即real-valued随机变量的概率分布形状的描述符。简而言之，这可以说是衡量粗尾与正态分布相比的一种方法。

其公式-

参数：
array : 具有元素的输入数组或对象。
axis : 将测量峰度值的轴。默认情况下，轴= 0。
fisher : 布尔如果为True，则使用Fisher定义(正常为0.0)；否则，如果设置为False，则使用Pearson的定义(标准3.0)。
bias : 布尔如果设置为False，则针对统计偏差对计算进行校正。

返回值：数据集的正态分布的峰度值。

代码1：

# Graph using numpy.linspace()  
# finding kurtosis 
  
from scipy.stats import kurtosis 
import numpy as np  
import pylab as p  
  
x1 = np.linspace( -5, 5, 1000 ) 
y1 = 1./(np.sqrt(2.*np.pi)) * np.exp( -.5*(x1)**2  ) 
  
p.plot(x1, y1, '*') 
  
  
print( '\nKurtosis for normal distribution :', kurtosis(y1)) 
  
print( '\nKurtosis for normal distribution :',  
      kurtosis(y1, fisher = False)) 
  
print( '\nKurtosis for normal distribution :',  
      kurtosis(y1, fisher = True))

输出：



Kurtosis for normal distribution : -0.3073930877422071

Kurtosis for normal distribution : 2.692606912257793

Kurtosis for normal distribution : -0.3073930877422071

相关用法

注：本文由纯净天空筛选整理自vishal3096大神的英文原创作品 scipy stats.kurtosis() function | Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。