Python Pandas Series.skew()

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.skew()函数返回在要求的轴上的无偏偏度，并以N-1为标准。偏度是统计分布中的不对称性，在这种情况下，曲线会出现扭曲或向左或向右的倾斜。

语法: Series.skew(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

参数:
axis:轴，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 : skew : 标量或系列（如果指定水平）。

示例#1 :使用Series.skew()函数来查找给定系列对象数据中的偏度。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.skew()函数来寻找数据中的偏度。

# find skewness
sr.skew()

输出 :

正如我们在输出中看到的，Series.skew()函数已经成功地计算出了给定系列对象的数据中的偏度。

示例#2 :使用Series.skew()函数来查找给定系列对象的数据中的偏度。我们的系列对象中有一些缺失值，所以跳过这些缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.skew()函数来寻找数据中的偏度。

# find skewness
sr.skew(skipna = True)

输出 :

正如我们在输出中看到的，Series.skew()函数已经成功地计算了给定系列对象的数据中的偏度。在计算给定数据的偏度时，已经跳过了缺失值。