python计算数组的偏度与峰度的度量

在Python中，可以使用SciPy库中的`skew`和`kurtosis`函数分别计算数组的偏度和峰度。这两个函数都接受一个一维数组作为输入，并返回偏度或峰度的度量值。

偏度表示数据分布的不对称性。当偏度为0时，数据分布是对称的；当偏度为正数时，数据分布向右偏；当偏度为负数时，数据分布向左偏。

峰度表示数据分布的尖锐程度。当峰度为0时，数据分布是正常分布；当峰度大于0时，数据分布更加集中于平均值，尖峰更高；当峰度小于0时，数据分布更加平坦。

以下是使用`skew`和`kurtosis`函数计算数组的偏度与峰度的示例代码：

import numpy as np
from scipy.stats import skew, kurtosis

# 构造一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 计算偏度和峰度
skewness = skew(arr)
kurtosisness = kurtosis(arr)

print("偏度:", skewness)
print("峰度:", kurtosisness)

输出结果为：

偏度: 0.0
峰度: -1.2242424242424244

注意，`skew`和`kurtosis`函数默认假定输入的数组是一个样本数据，而不是整个总体数据。如果要计算总体的偏度和峰度，需要将`bias=False`传递给这两个函数。