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None
• fisher：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。