当前位置：首页 > news >正文

【Pandas】pandas DataFrame kurt

news 来源：原创 2025/5/17 5:41:42

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, …])	用于快速生成数据集的统计摘要（summary statistics）
DataFrame.diff([periods, axis])	用于计算 DataFrame 中相邻行或列之间的差值（差分）
DataFrame.eval(expr, *[, inplace])	用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）

pandas.DataFrame.kurt()

pandas.DataFrame.kurt() 方法用于计算 DataFrame 中每列或每行的峰度（Kurtosis），即衡量数据分布尾部厚度的统计量。峰度描述了数据分布相对于正态分布的“陡峭”或“平坦”程度。

📌 方法签名：

DataFrame.kurt(axis=0, skipna=True, numeric_only=False)

🧾 参数说明：

参数	类型	描述
`axis`	{0/‘index’, 1/‘columns’}, 默认 0

0：按列计算（返回每列的峰度）
1：按行计算（返回每行的峰度） |
| skipna | bool, 默认 True | 是否跳过 NaN 值。若为 False，含 NaN 的行/列结果也为 NaN。 |
| numeric_only | bool, 默认 False | 是否只考虑数值类型列（int、float）。若为 True，忽略布尔、字符串等非数值列。 |

📊 返回值：

返回一个 Series，表示每列（或每行）的峰度值。
峰度的含义如下：
- 峰度 = 3：与正态分布相同（mesokurtic）
- 峰度 > 3：高峰度（leptokurtic），尾部更厚，数据更集中
- 峰度 < 3：低峰度（platykurtic），尾部更薄，分布更平坦

✅ 示例及结果：

示例1：基本用法（按列计算峰度）

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [1, 2, 3, 4, 5],'B': [10, 100, 10, 100, 10],'C': [2, 2, 2, 2, 2]  # 所有值相同 → 无变化
})print(df.kurt())

输出结果：

A   -1.3
B    4.0
C   NaN
dtype: float64

解释：

列 A：数据均匀分布，峰度 < 3 → 分布较平坦
列 B：存在极端值（10 和 100 交替出现），峰度 = 4 → 尾部比正态分布厚
列 C：所有值相同 → 标准差为 0，无法计算峰度 → NaN

示例2：按行计算峰度（`axis=1`）

print(df.kurt(axis=1))

输出结果：

0   -1.5
1   -1.5
2   -1.5
3   -1.5
4   -1.5
dtype: float64

解释：

每一行的三个数分别为 [1, 10, 2], [2, 100, 2], …，它们的分布形态相似，因此峰度一致。

示例3：包含 NaN 值时设置 `skipna=False`

df_with_nan = pd.DataFrame({'X': [1, 2, np.nan],'Y': [np.nan, 10, 20]
})print(df_with_nan.kurt(skipna=False))

输出结果：

X   NaN
Y   NaN
dtype: float64

解释：

含有 NaN 的列无法计算峰度 → 结果为 NaN

🎯 适用场景：

场景	描述
数据分析	检查数据分布是否接近正态分布
异常检测	高峰度可能表示存在极端值或异常点
金融分析	评估资产收益率分布的风险特性
特征工程	在建模前了解特征分布形状，决定是否进行变换（如对数变换）

⚠️ 注意事项：

只适用于数值型列（int、float）
若某列标准差为 0（所有值相等），则峰度为 NaN
默认不跳过 NaN 值（可通过 skipna=False 控制）
不会影响原始 DataFrame，返回新 Series

📋 总结：

特性	描述
功能	计算 DataFrame 每列或每行的峰度
默认行为	按列计算，跳过 NaN，处理所有列
是否修改原数据	否，返回新 Series
适用类型	数值型列（int、float）
输出范围	浮点数，通常在 1~6 之间（极端情况可能更大）