python计算峰度和偏度、相关系数

 

峰度---kurt

偏度---skew

 

import pandas as pd
x = [53, 61, 49, 66, 78, 47]
s = pd.Series(x)
print(s.skew())
print(s.kurt())

 

相关系数：

#导入依赖库
import numpy as np
import pandas as pd


data = pd.DataFrame({'A':np.random.randint(1, 100, 10), 
                     'B':np.random.randint(1, 100, 10),
                     'C':np.random.randint(1, 100, 10)})



data.corr()   # 计算pearson相关系数


data.corr('kendall')      # Kendall Tau相关系数



data.corr('spearman')     # spearman秩相关



计算积距pearson相关系数，连续性变量才可采用;计算Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据; 计算Kendall秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。

     计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用 spearman或kendall相关

     Pearson 相关复选项积差相关 计算连续变量或是等间距测度的变量间的相关分析

     Kendall     复选项 等级相关 计算分类变量间的秩相关，适用于合并等级资料

     Spearman   复选项 等级相关 计算斯皮尔曼相关，适用于连续等级资料

注：