分布检测-seaborn直观看正态分布的峰度和偏度

峰度和偏度

偏度和峰度如何影响您的分布
偏度(skewness)和峰度(kurtosis）

摘要

偏度Skewness定义中包括正态分布（偏度=0），右偏分布（也叫正偏分布，其偏度>0），左偏分布（也叫负偏分布，其偏度<0）
峰度Kurtosis包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）型

测试

我们随机模拟一组正态分布数据，然后用seaborn图像检测它和正态分布的拟合程度。可以看到峰度和偏度都是在0附近，说明dataframe的kurt函数峰度值是减3的。

附代码

import pandas as pd
import seaborn as sns 
import numpy as np
from scipy.stats import norm
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline
norm_array =np.random.normal(0,1,2000)
norm_dataframe =pd.DataFrame(norm_array,columns=['test'])
sns.distplot(norm_dataframe, fit=norm);
print("Skewness: %f" % norm_dataframe.skew())
print("Kurtosis: %f" % norm_dataframe.kurt())