Python SciPy stats.skew用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.skew 的用法。

用法:

scipy.stats.skew(a, axis=0, bias=True, nan_policy='propagate', *, keepdims=False)#

計算數據集的樣本偏度。

對於正態分布的數據，偏度應該大約為零。對於單峰連續分布，偏度值大於零意味著分布的右尾有更多權重。從統計上講，函數 skewtest 可用於確定偏度值是否足夠接近零。

參數 ：：

a： ndarray

輸入數組。

axis： int 或無，默認值：0

如果是 int，則計算統計量的輸入軸。輸入的每個axis-slice(例如行)的統計信息將出現在輸出的相應元素中。如果 None ，輸入將在計算統計數據之前被分解。

bias： 布爾型，可選

如果為 False，則針對統計偏差校正計算。

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

定義如何處理輸入 NaN。

• propagate ：如果計算統計數據的軸切片(例如行)中存在NaN，則輸出的相應條目將為 NaN。

• omit : 計算時將省略NaNs。如果計算統計數據的軸切片中剩餘的數據不足，則輸出的相應條目將為 NaN。

• raise ：如果存在 NaN，則會引發 ValueError。

keepdims： 布爾值，默認值：假

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對輸入數組正確廣播。

返回 ：：

skewness： ndarray

值沿軸的偏度，返回NaN，其中所有值都相等。

注意：

樣本偏度計算為 Fisher-Pearson 偏度係數，即

\[g_1=\frac{m_3}{m_2^{3/2}}\]

其中

\[m_i=\frac{1}{N}\sum_{n=1}^N(x[n]-\bar{x})^i\]

是有偏樣本\(i\texttt{th}\)中心矩，\(\bar{x}\)是樣本均值。如果 bias 為 False，則對計算進行偏差校正，計算的值是調整後的 Fisher-Pearson 標準化力矩係數，即

\[G_1=\frac{k_3}{k_2^{3/2}}= \frac{\sqrt{N(N-1)}}{N-2}\frac{m_3}{m_2^{3/2}}.\]

從 SciPy 1.9 開始，np.matrix 輸入(不建議用於新代碼)在執行計算之前轉換為 np.ndarray。在這種情況下，輸出將是標量或適當形狀的 np.ndarray 而不是 2D np.matrix 。同樣，雖然屏蔽數組的屏蔽元素被忽略，但輸出將是標量或 np.ndarray 而不是帶有 mask=False 的屏蔽數組。

參考：

[1]

Zwillinger, D. 和 Kokoska, S. (2000)。 CRC 標準概率和統計表和公式。查普曼和霍爾：紐約。 2000. 第 2.2.24.1 節

例子：

>>> from scipy.stats import skew
>>> skew([1, 2, 3, 4, 5])
0.0
>>> skew([2, 8, 0, 4, 1, 9, 9, 0])
0.2650554122698573