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))