如何在sum中得出偏度、峰度、变异系数

可以使用Python中的scipy库中的相关函数来计算偏度、峰度和变异系数。其中，偏度可以使用scipy.stats.skew()函数来计算，峰度可以使用scipy.stats.kurtosis()函数来计算，变异系数可以使用numpy库中的函数numpy.std()和numpy.mean()来计算。

下面是一个简单的示例代码，可以计算一个数据集中的偏度、峰度和变异系数：

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

# 定义一个数据集
data = np.random.normal(0, 1, 100)

# 计算偏度
skewness = skew(data)

# 计算峰度
kurtosis = kurtosis(data)

# 计算变异系数
cv = np.std(data) / np.mean(data)

# 输出结果
print('Skewness:', skewness)
print('Kurtosis:', kurtosis)
print('Coefficient of variation:', cv)

当然，实际应用中需要根据具体情况进行适当的调整。