Ctrl+K
scipy.stats.

skew#

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

计算数据集的样本偏度。

对于正态分布的数据，偏度应该接近于零。对于单峰连续分布，偏度值大于零意味着分布的右尾权重更大。函数 skewtest 可以用来确定偏度值是否在统计学上足够接近于零。

参数:
andarray

输入数组。

axisint 或 None, 默认值: 0

如果是一个整数，则表示输入数组中计算统计量的轴。输入数组的每个轴切片（例如，行）的统计量将出现在输出的对应元素中。如果为 None，则在计算统计量之前将输入展平。

biasbool, 可选

如果为 False，则计算会进行统计偏差校正。

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

定义如何处理输入中的 NaN。

  • propagate: 如果在计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将为 NaN。

  • omit: 执行计算时将忽略 NaN。如果计算统计量的轴切片中剩余的数据不足，则输出的相应条目将为 NaN。

  • raise: 如果存在 NaN，则会引发 ValueError。

keepdimsbool, 默认值: False

如果设置为 True，则被缩减的轴将保留在结果中，大小为 1。使用此选项，结果将与输入数组正确广播。

返回:
skewnessndarray

沿轴的值的偏度，如果所有值都相等，则返回 NaN。

注释

样本偏度计算为 Fisher-Pearson 偏度系数，即

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

其中

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

是带偏差的样本 \(i\texttt{th}\) 中心矩，而 \(\bar{x}\) 是样本均值。如果 bias 为 False，则计算会进行偏差校正，计算的值是调整后的 Fisher-Pearson 标准化矩系数，即

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

从 SciPy 1.9 开始，np.matrix 输入（不建议用于新代码）在执行计算之前会转换为 np.ndarray。在这种情况下，输出将是一个标量或具有适当形状的 np.ndarray，而不是二维的 np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是一个标量或 np.ndarray，而不是 mask=False 的掩码数组。

参考文献

[1]

Zwillinger, D. 和 Kokoska, S. (2000). CRC 标准概率和统计表和公式。Chapman & Hall: 纽约。2000 年。第 2.2.24.1 节。

示例

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