stats.pearson_mode_skewness

`scipy.stats`模块提供了丰富的统计函数，其中包括计算偏度(skewness)和峰态(pearson_mode)的功能。Pearson模式（也称为众数）指的是数据集中最常出现的数值，而偏度则是衡量数据分布对称性的指标。

要使用`scipy.stats`的`pearson_mode`和`skew`函数，您需要先安装`scipy`库，如果尚未安装可以使用pip安装：

pip install scipy

然后，假设您有一个名为`df`的数据框，其中包含数值数据，您可以这样操作：

from scipy import stats
import pandas as pd

# 假设df是你想要分析的数据集
desc_stats = df.describe()  # 获取描述性统计信息
# 计算每个列的Pearson模式
mode_values = df.apply(stats.mode)
# 对整个数据框计算偏度
skewness = df.apply(lambda x: stats.skew(x))

# 打印每个列的Pearson模式和偏度
for column, mode in zip(df.columns, mode_values):
    print(f"Column: {column}")
    print(f"Pearson Mode: {mode.mode[0]}")
    print(f"Skewness: {skewness[column][0]}")

这会显示每个列的众数和偏度。注意，对于分类变量，`pearson_mode`可能不会返回有意义的结果，因为它只适用于连续数值数据。