scipy.stats.mstats.

describe#

scipy.stats.mstats.describe(a, axis=0, ddof=0, bias=True)[源代码]#

计算传入数组的几个描述性统计量。

参数:

a类数组: 数据数组
axisint 或 None，可选: 计算统计量的轴。默认值为 0。如果为 None，则计算整个数组 a。
ddofint，可选: 自由度 (默认值为 0)；请注意，默认的 ddof 与 stats.describe 中的同一例程不同
biasbool，可选: 如果为 False，则会校正偏度和峰度计算中的统计偏差。

返回:

nobsint: （数据大小（忽略缺失值））
minmax(int, int): 最小值，最大值
meanfloat: 算术平均值
variancefloat: 无偏方差
skewnessfloat: 有偏偏度
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))