scipy.stats.mstats.
describe#
- scipy.stats.mstats.describe(a, axis=0, ddof=0, bias=True)[source]#
计算传递数组的多个描述性统计信息。
- 参数:
- aarray_like
数据数组
- axisint or None, optional
沿其计算统计信息的轴。 默认值为 0。如果为 None,则在整个数组 a 上计算。
- ddofint, optional
自由度(默认值为 0);请注意,默认 ddof 与 stats.describe 中的相同例程不同
- biasbool, optional
如果为 False,则会校正偏度和峰度计算以消除统计偏差。
- 返回:
- nobsint
数据大小(丢弃缺失值)
- minmax(int, int)
最小值, 最大值
- meanfloat
算术平均值
- variancefloat
无偏方差
- skewnessfloat
有偏斜度
- kurtosisfloat
有偏峰度
示例
>>> import numpy as np >>> from scipy.stats.mstats import describe >>> ma = np.ma.array(range(6), mask=[0, 0, 0, 1, 1, 1]) >>> describe(ma) DescribeResult(nobs=np.int64(3), minmax=(masked_array(data=0, mask=False, fill_value=999999), masked_array(data=2, mask=False, fill_value=999999)), mean=np.float64(1.0), variance=np.float64(0.6666666666666666), skewness=masked_array(data=0., mask=False, fill_value=1e+20), kurtosis=np.float64(-1.5))