Python|熊猫系列.skew()

Pandas 系列是带有轴标签的一维 ndarray。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，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.skew()函数返回由 N-1 归一化的请求轴上的无偏斜度。偏度是统计分布中的不对称性，其中曲线出现扭曲或向左或向右倾斜。

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

Parameter :
axis : Axis for the function to be applied on.
skipna : Exclude NA/null values when computing the result.
level : If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a scalar.
numeric_only : Include only float, int, boolean columns.
**kwargs : Additional keyword arguments to be passed to the function.

Returns : skew : scalar or Series (if level specified)

编程需要懂一点英语

示例 #1：使用Series.skew()函数查找给定 Series 对象数据的偏度。

# 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()函数来查找数据中的偏度。

# find skewness
sr.skew()

输出：

正如我们在输出中看到的， Series.skew()函数已成功计算给定 Series 对象数据的偏度。

示例 #2：使用Series.skew()函数查找给定 Series 对象的数据的偏度。我们的系列对象中有一些缺失值，因此请跳过这些缺失值。

# 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()函数来查找数据中的偏度。

# find skewness
sr.skew(skipna = True)

输出：

正如我们在输出中看到的， Series.skew()函数已成功计算给定 Series 对象数据的偏度。在计算给定数据的偏度时，已跳过缺失值。