Numpy计算kurtosis
在本文中,我们将介绍如何使用NumPy计算kurtosis(峰度)。
阅读更多:Numpy 教程
峰度的概念
峰度是描述数据分布形态陡缓程度的统计量,它是指随机变量概率分布曲线在平均值附近峰部峭度高低的特征数,反映频数分布曲线顶端的尖峭程度。如果峰度>3,则峰的形态比较尖,分布中的值相对于平均值来说比较集中;如果峰度<3,则峰的形态比较平直,分布中的值相对于平均值来说比较分散。
NumPy计算峰度
NumPy中使用numpy.kurtosis
函数来计算一个数组的峰度。该函数接受以下参数:
a
:要计算峰度的数组axis
:计算轴的方向,默认为Nonefisher
:如果为True
(默认值),计算峰度使用Fisher的定义,否则使用Pearson的定义bias
:如果为True
(默认值),返回有偏样本峰度;否则返回无偏样本峰度
示例代码:
import numpy as np
a = np.array([1, 2, 3, 4, 5])
kurtosis = np.kurtosis(a)
print(kurtosis) # 输出为-1.3
上面的例子中,a
是一个长度为5的一维数组。np.kurtosis
函数计算了该数组的峰度,并将结果存储在kurtosis
变量中。该数组的峰度为-1.3。
下面是一个更复杂的例子,a
是一个2×4的二维数组,并在不同轴上计算kurtosis:
import numpy as np
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
axis0_kurtosis = np.kurtosis(a, axis=0)
axis1_kurtosis = np.kurtosis(a, axis=1)
print(axis0_kurtosis) # 输出为[-2., -2., -2., -2.]
print(axis1_kurtosis) # 输出为[-1.2, -1.2]
上面的代码中,np.kurtosis
函数被分别调用两次,并且axis
参数已经设置到0和1上。第一次调用返回数组每一列的峰度,第二次调用返回数组每一行的峰度。结果分别存储在axis0_kurtosis
和axis1_kurtosis
中。
总结
在本文中,我们介绍了如何使用NumPy计算数组的峰度。我们了解了峰度的概念,并通过示例代码演示了如何调用numpy.kurtosis
函数来计算数组的峰度。