skewness and kurtosis偏态和峰度的解释和演示、数据的偏度和峰度——df.skew()、df.kurt()

skewness (偏态)

正偏态分布(positive skewness distribution)是指频数分布的高峰偏于左侧，偏态系数为正值的频数分布形态。偏态分布分为正偏态和负偏态。当均值大于众数时称为正偏态；当均值小于众数时称为负偏态。

定义上偏度是样本的三阶标准化矩，定义式如下，其中k2，k3分别表示二阶、三阶中心矩：

还可以这么来看：

kurtosis（峰度）

==峰度（peakedness;kurtosis）==又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来，峰度反映了峰部的尖度。样本的峰度是和正态分布相比较而言统计量，如果峰度大于三，峰的形状比较尖，比正态分布峰要陡峭。反之亦然

一般地：正态分布的峰度（系数）为常数3，均匀分布的峰度（系数）为常数1.8

峰度以bk表示，Xi是样本测定值，Xbar是样本n次测定值的平均值，s为样本标准差。正态分布的峰度为3。以一般而言，正态分布为参照，峰度可以描述分布形态的陡