Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.kurt方法的使用。

DataFrame.kurt(self, axis=None, skipna=None, level=None, numeric_only=None, **kwargs)             [source]

使用Fisher的峰度定义(正常的峰度== 0.0)在请求的轴上返回无偏峰度。由N-1归一化。

参数

axis :{index (0), columns (1)}

要应用的功能的轴。

skipna : bool,默认为True

计算结果时排除NA / null值。

level : 整数或级别名称,默认为None

如果轴是MultiIndex(分层),则沿特定级别计数,

并折叠为Series。

numeric_only : 布尔值,默认值None

仅包括float,int,boolean列。

如果为None,将尝试使用所有内容,

然后仅使用数字数据。未针对Series实施。

**kwargs

要传递给函数的其他关键字参数。

返回值

Series 或 DataFrame(如果指定级别)

例子

使用kurt()函数在索引轴上查找峰度

# importing pandas as pd 
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, 44, 1],
"B":[5, 2, 54, 3, 2],
"C":[20, 16, 7, 3, 8],
"D":[14, 3, 17, 2, 6]})
# Print the dataframe
df

dataframekurt

使用该dataframe.kurt()函数查找峰度

# find the kurtosis over the index axis 
df.kurt(axis = 0)

输出:

dataframekurt

使用kurt()函数查找其中具有某些Na值的数据帧的峰度。在索引轴上找到峰度

# importing pandas as pd 
import pandas as pd
# Creating the dataframe
df = pd.DataFrame({"A":[12, 4, 5, None, 1],
"B":[7, 2, 54, 3, None],
"C":[20, 16, 11, 3, 8],
"D":[14, 3, None, 2, 6]})
# to find the kurtosis
# skip the Na values when finding the kurtosis
df.kurt(axis = 0, skipna = True)

输出:

dataframekurt