python 中的 scipy.stats 统计分析包，偏度峰度

python 来做统计分析时一般使用 scipy 中的 stats。 numpy 也能生成一定概率分布的随机数，但如果需要更具体的概率密度，累积概率等，就用用到 scipy.stats 了，感觉它类似 java 中的 ssj 包。下面简单总结一些它的功能。

1. 正态分布 norm

默认的正态分布为标准正态分布，
方法：
pdf 概率密度
cdf 累积概率
ppf 百分比（累积概率的反函数）

例如

(1) 标准正态分布累计分布到零的概率

import scipy.stats as st

st.norm.cdf(0)

输出：0.5

(2) 均值为 3， 标准差为1，累计分布到 3 的概率

st.norm(3,1).cdf(3)

或

st.norm.cdf(3,3,1)

输出：0.5

(3) 均值为 3， 标准差为 1， 累计概率为 0.5 的反函数值

st.norm.ppf(0.5,3,1)

输出：3.0

2. 计算偏度和峰度

在计算一个样本的偏度或峰度时，对于一般的数组类型，要用到统计分析工具包 scipy，对于 pandas 中的数据类型，可以调用 pandas 自带的计算偏度或峰度的函数。

>>> import scipy.stats as st
>>> a = [89, 23, 45, 18]

>>> st.skew(a) # 计算偏度
0.7565543738808015

>>> st.kurtosis(a) # 计算峰度
-1.0489580648783101

需要注意的是，pandas 计算峰度时需要至少 4 个数据。

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.array([[85, 68, 90], [82, 63, 88], [84, 90, 78]]), columns=['统计学', '高数', '英语'], index=['张三', '李四', '王五'])
>>> df
    统计学  高数  英语
张三   85  68  90
李四   82  63  88
王五   84  90  78

>>> df.iloc[1, :].skew() # 计算第二行的偏度
-1.3294040702410526

>>> df.skew(axis = 0) # 计算所有列的偏度
统计学   -0.935220
高数     1.498959
英语    -1.545393
dtype: float64

>>> df.skew(axis = 1) # 计算所有行的偏度
张三   -1.373033
李四   -1.329404
王五    0.000000
dtype: float64

>>> df1 = pd.DataFrame(np.array([[85, 68, 90, 65], [82, 63, 88, 83], [84, 90, 78, 90], [72, 68, 91, 84]]), columns=['统计学', '高数', '英语', '计算机'], index=['张三', '李四', '王五', '马六'])
>>> df1
    统计学  高数  英语  计算机
张三   85  68  90   65
李四   82  63  88   83
王五   84  90  78   90
马六   72  68  91   84

>>> df1.kurt(axis = 0) # 计算 df1 所有列的偏度
统计学    3.090874
高数     3.365664
英语     3.090874
计算机    2.769386
dtype: float64

>>> df1.iloc[:, 2].kurt() #计算 df1 第 3 列的偏度
3.090874188966101