stats统计数据
import numpy as np
import scipy.stats Scipy使用都是一个一个模块的使用的
a = np.array([1.56, 1.87, 1.90, 2.1, 1.3, 1.3])
a.max()
2.1000000000000001 浮点就是这样,令人捉急。
a.min()
1.3
r =scipy.stats.mode(a) # 众数 mode
r
ModeResult(mode=array([ 1.3]), count=array([2]))
众数是多少,出现次数是多少。
r.mode
array([ 1.3])
r.count
array([2])
scipy.stats.skew(a) # 偏度
表征概率分布密度曲线相对于平均值不对称程度的特征数。直观看来就是密度函数曲线尾部的相对长度。
是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征。偏度的值可以为正,可以为负或者甚至是无法定义。偏度为零就表示数值相对均匀地分布在平均值的两侧,但不一定意味着其为对称分布。
-0.03346256215475293
scipy.stats.kurtosis(a) # 峰度
峰度(Kurtosis)与偏度类似,是描述总体中所有取值分布形态陡缓程度的统计量。这个统计量需要与正态分布相比较,峰度为0表示该总体数据分布与正态分布的陡缓程度相同;峰度大于0表示该总体数据分布与正态分布相比较为陡峭,为尖顶峰;峰度小于0表示该总体数据分布与正态分布相比较为平坦,为平顶峰。峰度的绝对值数值越大表示其分布形态的陡缓程度与正态分布的差异程度越大。
-1.560229204649697