本篇博文，首发在AIexplore微信公众号，内容总体相同，均为原创，特此申明。
https://mp.weixin.qq.com/s/Cv4AyV4o0hxMak5ucT5fYw

0.教程代码环境

# 其他环境也可以，不一定非要一样
python 3.6
numpy 1.19.3
matplotlib 3.2.1
scipy 1.4.1

1.偏度

定义：偏度（skewness），是统计数据分布偏斜方向和程度的度量，或者说是统计数据分布非对称程度的数字特征。

说人话：偏度或偏态系数或偏度系数（Skewness）用来度量分布是否对称，一个分布如果不对称，则被称为偏度。

分布分为三种：对称分布（正态分布）、正偏分布（右偏分布）、负偏分布（左偏分布）
对称分布的特点：左右对称，均值 = 中位数 = 众数，偏度 = 0
正偏分布的特点：右侧长尾，均值＞中位数＞众数，偏度 > 0
负偏分布的特点：左侧长尾，均值 < 中位数 < 众数，偏度 < 0

1.1 绘制三种分布图

1.1.1 使用python代码绘制正态分布：

代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# python 3.6
# numpy 1.19.3
# matplotlib 3.2.1
# scipy 1.4.1
def plot():
    """
    绘制标准的正态分布
    draw standard deviation normal distribution
    """
    mu = 0.0    # mean 均值
    sd = 1.0    # std 标准差
    x = np.linspace(mu - 4 * sd, mu + 4 * sd, 100) # x range
    y = stats.norm.pdf(x)
    plt.plot(x, y, "g", linewidth = 2)
    plt.grid(True)  # 显示网格线
    plt.show()


if __name__ == '__main__':
    plot()

分布图：

在这里插入图片描述

1.1.2 使用python代码绘制右偏分布：

代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# python 3.6
# matplotlib 3.2.1
# scipy 1.4.1
def plot():
    """
    绘制标准的正偏分布
    """
    mu = 0.0    # mean 均值
    sd = 1.0    # std 标准差
    x = np.linspace(mu - 3 * sd, mu + 5 * sd, 100) # x range
    y = stats.norm.pdf(x)
    plt.plot(x, y, "g", linewidth = 2)
    plt.grid(True)  # 显示网格线
    plt.show()


if __name__ == '__main__':
    plot()

分布图：
在这里插入图片描述

1.1.3 使用python代码绘制左偏分布：

代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# python 3.6
# matplotlib 3.2.1
# scipy 1.4.1
def plot():
    """
    绘制标准的正偏分布
    """
    mu = 0.0    # mean 均值
    sd = 1.0    # std 标准差
    x = np.linspace(mu - 5 * sd, mu + 3 * sd, 100) # x range
    y = stats.norm.pdf(x)
    plt.plot(x, y, "g", linewidth = 2)
    plt.grid(True)  # 显示网格线
    plt.show()


if __name__ == '__main__':
    plot()

分布图：

在这里插入图片描述

1.2 偏度计算

计算公式：

在这里插入图片描述

有的文章里面计算公式是这样的：

在这里插入图片描述

以上公式来自不同的出处，我不是学数学的，因此对这些内容没有太深入的研究（主要是我以前从来没遇到过，知识盲区；如果有学数学的朋友懂这方面知识，可以私聊我给我普及一下），我的理解是公式1和公式2应该没有对错之分，只是“选择”不同罢了（不知道对不对，如有大佬请在评论区修正），那我们计算偏度到底使用哪个公式呢？请继续阅读下文。

具体例子：
一组数据：arr = [1,4,6,8,10,20]

arr的均值和标准差我们使用numpy库直接进行计算：

均值：

import numpy as np

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

u = arr.mean()
print("均值:", u)

在这里插入图片描述

标准差：
标准差分为总体标准差（分母位n）和样本标准差（分母n-1）【为什么分为总体标准差和样本标准差，感兴趣的可以自己找资料研究，在此不深入说明了】

import numpy as np

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

# a = np.std(arr, ddof=1) # 无偏 分母n-1, 有偏 分母n
a = arr.std(ddof=1)       # ddof=1无偏，ddof=0有偏
print("标准差：", a)

这里我们使用无偏的标准差（不要问为什么，因为用无偏的比较“好”，大家都是用的无偏）。
在这里插入图片描述
知道了均值和标准差，就可以带入公式计算偏度了。
那么问题来了，我们应该带入到哪个公式呢？下面我们分别带入到2个公式中，查看一下结果。

使用公式1：

import numpy as np
import pandas as pd
from scipy import stats

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

n = len(arr)
u = arr.mean()
print("均值:", u)

# a = np.std(arr, ddof=1) # 无偏 分母n-1, 有偏 分母n
a = arr.std(ddof=1)       # ddof=1无偏，ddof=0有偏
print("标准差：", a)   


a1 = sum(((arr-u)/a)**3)
a2 = a1*n/((n-1)*(n-2))
print("偏度：", a2)

在这里插入图片描述
使用公式2：

import numpy as np
import pandas as pd
from scipy import stats

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

n = len(arr)
u = arr.mean()
print("均值:", u)

# a = np.std(arr, ddof=1) # 无偏 分母n-1, 有偏 分母n
a = arr.std(ddof=1)       # ddof=1无偏，ddof=0有偏
print("标准差：", a)   


a1 = sum(((arr-u)/a)**3)
a2 = a1/n
print("偏度：", a2)

在这里插入图片描述
可以看到使用不同公式计算得到的偏度不同：
公式1得到的偏度：1.2737636108819756
公式2得到的偏度：0.7076464504899865

不同公式得到的偏度肯定是不一样的，那我们到底应该采用哪一个偏度值呢？下面我们使用python科学计算包直接计算偏度：

使用pandas计算：

import numpy as np
import pandas as pd

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

print("--------使用pandas计算偏度和峰度--------")
# pandas计算标准差是无偏的
data = pd.DataFrame(arr)
print("标准差：", data[0].std())
print("偏度：", data[0].skew())

在这里插入图片描述
可以看到，标准差6.5853372477547923，使用的是无偏标准差；偏度1.2737636108819759，和公式1计算的结果相同。从侧面验证了pandas库使用的是无偏标准差+公式1来计算偏度。

使用scipy计算：

import numpy as np
from scipy import stats

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

print("--------使用scipy计算偏度和峰度--------")
# scipy计算标准差，通过ddof控制有偏和无偏，ddof=1无偏，ddof=0有偏
print("标准差：", stats.tstd(arr, ddof=1))
d = stats.skew(arr, bias=False)     # bias默认为True
print("偏度：", d)

在这里插入图片描述
可以看到，标准差6.585337247754792，使用的是无偏标准差；偏度1.2737636108819756，和公式1计算结果、pandas库计算结果相同。再次验证了应该使用公式1来计算偏度。

2.峰度

定义：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。
说人话：峰度反映了峰部的尖度，用来度量数据在中心聚集程度，峰度越大分布图越尖，峰度越小分布图越矮胖。

2.1 绘制三种不同峰度的分布图

代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats


def plot():
    """
    draw standard deviation normal distribution
    """
    mu = 0.0    # mean
    sd1 = 1.0    # std
    sd2 = 2.0
    sd3 = 3.0

    # red line
    x = np.linspace(mu - 3 * sd1, mu + 3 * sd1, 50) # x range
    y = stats.norm.pdf(x)
    plt.plot(x, y, "r", linewidth = 2)

    # green line
    x2 = np.linspace(mu - 6 * sd1, mu + 6 * sd1, 50) # x range
    y2 = stats.norm.pdf(x2, mu, sd2)
    plt.plot(x2, y2, "g", linewidth = 2)

    # blue line
    x3 = np.linspace(mu - 10 * sd1, mu + 10 * sd1, 50) # x range
    y3 = stats.norm.pdf(x3, mu, sd3)
    plt.plot(x3, y3, "b", linewidth = 2)

    plt.grid(True)  # 显示网格线
    plt.show()

if __name__ == '__main__':
    plot()

分布图：
相同均值，不同标准差的正态分布曲线
相同均值、不同标准差的正态分布曲线

红色线条标准差是1，绿色线条标准差是2，蓝色线条标准差是3。
标准差越小，曲线越陡
标准差越大，曲线越平缓
红色线条：尖峰
绿色线条：中锋
蓝色线条：低峰

对于正态分布来说峰度=3，部分统计软件会给出超额峰度，超额峰度=峰度-3。
中锋分布的超额峰度=0，尖峰分布的超额峰度＞0，低峰分布的超额峰度＜0。

2.2 峰度计算

峰度的计算公式，我也看到好几个版本，我想应该和偏度的计算类似，因此不再纠结它的计算公式，直接使用pandas或scipy进行计算。

代码：

import numpy as np
import pandas as pd
from scipy import stats

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

print("--------使用scipy计算偏度和峰度--------")
# scipy计算标准差，通过ddof控制有偏和无偏，ddof=1无偏，ddof=0有偏
print("标准差：", stats.tstd(arr, ddof=1))
d = stats.skew(arr, bias=False)     # bias默认为True
print("偏度：", d)
e = stats.kurtosis(arr, bias=False) # bias默认为True
print("峰度：", e)

print("--------使用pandas计算偏度和峰度--------")
# pandas计算标准差是无偏的
data = pd.DataFrame(arr)
print("标准差：", data[0].std())
print("偏度：", data[0].skew())
print("峰度：", data[0].kurt())

结果：
在这里插入图片描述

3.整体代码

import numpy as np
import pandas as pd
from scipy import stats

# arr = np.array([1,2,2,4,1])
# arr = np.array([3,6,3,9,10,12,36,3])
arr = np.array([1,4,6,8,10,20])

print("--------使用scipy计算偏度和峰度--------")
# scipy计算标准差，通过ddof控制有偏和无偏，ddof=1无偏，ddof=0有偏
print("标准差：", stats.tstd(arr, ddof=1))
d = stats.skew(arr, bias=False)     # bias默认为True
print("偏度：", d)
e = stats.kurtosis(arr, bias=False) # bias默认为True
print("峰度：", e)

print("--------使用pandas计算偏度和峰度--------")
# pandas计算标准差是无偏的
data = pd.DataFrame(arr)
print("标准差：", data[0].std())
print("偏度：", data[0].skew())
print("峰度：", data[0].kurt())

print("--------自己通过代码计算偏度和峰度，方式 1--------")
n = len(arr)
u = arr.mean()
print("均值", u)

# a = np.std(arr, ddof=1) # 无偏 分母n-1, 有偏 分母n
a = arr.std(ddof=1)       # ddof=1无偏，ddof=0有偏
print("标准差：", a)   

a1 = sum(((arr-u)/a)**3)
a2 = a1*n/((n-1)*(n-2))
print("偏度：", a2)

print("--------自己通过代码计算偏度和峰度，方式 2--------")
list_v = []
for v in arr:
    # print(v)
    q = (v-u)**3
    list_v.append(q)

b1 = sum(list_v)
b2 = b1/(a**3)
b3 = b2*n/((n-1)*(n-2))
print("偏度：", b3)

4.附录

我们也可以使用Excel直接计算一组数据的偏度和峰度。

Excel中的数据如下：

计算A1、A2、A3、A4、A5、A6数据的偏度和峰度。

偏度计算公式：=SKEW(A1:A6)
峰度计算公式：=KURT(A1:A6)

偏度1.2737，再一次验证了使用无偏标准差和公式1计算；峰度2.1546。

本篇博文，首发在AIexplore微信公众号，内容总体相同，均为原创，特此申明。
https://mp.weixin.qq.com/s/Cv4AyV4o0hxMak5ucT5fYw

【python】计算偏度和峰度

0.教程代码环境

1.偏度

1.1 绘制三种分布图

1.1.1 使用python代码绘制正态分布：

1.1.2 使用python代码绘制右偏分布：

1.1.3 使用python代码绘制左偏分布：

1.2 偏度计算

2.峰度

2.1 绘制三种不同峰度的分布图

2.2 峰度计算

3.整体代码

4.附录

参考资料：

热门文章

最新文章

相关课程

相关电子书

相关实验场景

推荐镜像

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

【python】计算偏度和峰度

0.教程代码环境

1.偏度

1.1 绘制三种分布图

1.1.1 使用python代码绘制正态分布：

1.1.2 使用python代码绘制右偏分布：

1.1.3 使用python代码绘制左偏分布：

1.2 偏度计算

2.峰度

2.1 绘制三种不同峰度的分布图

2.2 峰度计算

3.整体代码

4.附录

参考资料：

热门文章

最新文章

相关课程

相关电子书

相关实验场景

推荐镜像