scipy.stats.mstats.

describe#

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

计算传递的数组的若干描述性统计数据。

参数:

a类数组: 数据数组
axisint 或 None，可选: 计算统计数据的轴。默认值为 0。如果为 None，则计算整个数组 a 的统计数据。
ddofint，可选: 自由度（默认为 0）；请注意，默认 ddof 与 stats.describe 中的同名例程不同
bias布尔值，可选: 如果为 False，则偏度和峰度的计算会校正统计偏差。

返回:

nobsint: （丢弃缺失值后的）数据大小
minmax(int, int): 最小值、最大值
meanfloat: 算术平均值
variancefloat: 无偏方差
skewnessfloat: 有偏方差
峰态浮点: 有偏峰态

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))