跳转至

蟒蛇|熊猫系列. kurt()

原文:https://www.geeksforgeeks.org/python-pandas-series-kurt/

熊猫系列是带有轴标签的一维数组。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了一系列方法来执行涉及索引的操作。

Pandas **Series.kurt()**函数使用费希尔峰度定义(正态峰度== 0.0)返回请求轴上的无偏峰度。结果用 N-1 归一化。

语法:series.Kurt(axis =无,skipna =无,level =无,numeric_only =无,**kwargs)

参数: 轴:轴为要应用的功能。 skipna : 计算结果时排除 NA/null 值。 级别:如果轴是多索引(分层),则沿着特定级别计数,折叠成标量。 numeric_only : 只包括 float、int、boolean 列。 **kwargs : 要传递给函数的附加关键字参数。

返回:库尔特:标量或级数(如果指定了级别)

例#1: 使用Series.kurt()函数求给定序列对象底层数据的峰度。

# 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()函数来寻找给定序列对象的底层数据的峰度。

# 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序列对象的峰度。

例 2 : 使用Series.kurt()函数求给定序列对象底层数据的峰度。

# 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()函数来寻找给定序列对象的底层数据的峰度。

# 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()函数返回了给定序列对象的峰度。



回到顶部