pandas.DataFrame.kurtosis#

DataFrame.kurtosis(*, axis=0, skipna=True, numeric_only=False, **kwargs)[源代码]#

返回请求轴上的无偏峰度。

使用费舍尔的峰度定义（正态分布的峰度 == 0.0）获得的峰度。按 N-1 归一化。

参数:

轴{索引 (0), 列 (1)}

要应用函数的轴。对于 Series，此参数未使用并默认为 0。

对于 DataFrame，指定 axis=None 将对两个轴应用聚合。

Added in version 2.0.0.

skipna布尔值, 默认为 True

在计算结果时排除NA/null值。

numeric_onlybool, 默认为 False

只包含浮点数、整数、布尔列。

**kwargs

要传递给函数的其他关键字参数。

返回:

序列或标量: 请求轴上的无偏峰度。

参见

Dataframe.kurtosis: 返回请求轴上的无偏峰度。

示例

>>> s = pd.Series([1, 2, 2, 3], index=["cat", "dog", "dog", "mouse"])
>>> s
cat    1
dog    2
dog    2
mouse  3
dtype: int64
>>> s.kurt()
1.5

使用一个 DataFrame

>>> df = pd.DataFrame(
...     {"a": [1, 2, 2, 3], "b": [3, 4, 4, 4]},
...     index=["cat", "dog", "dog", "mouse"],
... )
>>> df
       a   b
  cat  1   3
  dog  2   4
  dog  2   4
mouse  3   4
>>> df.kurt()
a   1.5
b   4.0
dtype: float64

使用 axis=None

>>> df.kurt(axis=None).round(6)
-0.988693

使用 axis=1

>>> df = pd.DataFrame(
...     {"a": [1, 2], "b": [3, 4], "c": [3, 4], "d": [1, 2]},
...     index=["cat", "dog"],
... )
>>> df.kurt(axis=1)
cat   -6.0
dog   -6.0
dtype: float64