Python Pandas Series.kurt()
Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的,但必须是一个可散列的类型。该对象支持基于整数和标签的索引,并提供了大量的方法来执行涉及索引的操作。
Pandas Series.kurt()函数使用Fisher对峰度的定义(正态的峰度==0.0)返回所请求轴上的无偏峰度。其结果被N-1归一化。
语法: Series.kurt(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)
参数:
axis:axis,用于函数的应用。
skipna :在计算结果时排除NA/null值。
level : 如果轴是一个MultiIndex(分层),则沿某一层次计数,折叠成一个标量。
numeric_only :只包括float, int, boolean列。
**kwargs :附加的关键字参数,将被传递给函数。
返回: kurt:标量或系列(如果指定了级别)。
例子#1:使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([10, 25, 3, 25, 24, 6])
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
现在我们将使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。
# return kurtosis
result = sr.kurt()
# Print the result
print(result)
输出 :
正如我们在输出中看到的,Series.kurt()函数已经返回了给定系列对象的峰度。
示例#2 :使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 84, 32, 10, 5, 24, 32])
# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')
# set the index
sr.index = index_
# Print the series
print(sr)
输出 :
现在我们将使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。
# return kurtosis
result = sr.kurt()
# Print the result
print(result)
输出 :
正如我们在输出中看到的,Series.kurt()函数已经返回了给定系列对象的峰度。