Python Pandas dataframe.skew()

Python Pandas dataframe.skew()

Python是一种进行数据分析的伟大语言,主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个,它使导入和分析数据变得更加容易。

Pandas dataframe.skew()函数返回所要求的轴上的无偏偏度,以N-1为标准。偏度是衡量一个实值随机变量的概率分布对其平均值的不对称性。关于偏度的更多信息,请参考这个链接。

Pandas: DataFrame.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数 :
axis: {指数(0),列(1)}。
skipna :在计算结果时排除NA/null值。
level : 如果坐标轴是一个多指标(分层的),沿着一个特定的层次计数,折叠成一个系列。
numeric_only :只包括浮动、int、boolean列。如果没有,将尝试使用所有数据,然后只使用数字数据。不实现系列。

返回 : skew : 系列或数据框架(如果指定水平)。

例子#1:使用skew()函数来查找索引轴上数据的偏度。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# Print the dataframe
df

Python Pandas dataframe.skew()

让我们使用dataframe.skew()函数来寻找偏斜度

# skewness along the index axis
df.skew(axis = 0, skipna = True)

输出 :
Python Pandas dataframe.skew()

例子2:使用skew()函数求列轴上数据的偏度。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# skip the na values
# find skewness in each row
df.skew(axis = 1, skipna = True)

输出 :
Python Pandas dataframe.skew()

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程