scipy.stats.skew (массив, ось = 0, смещение = True) вычисляет асимметрию набора данных.
асимметрия = 0: нормально распределена. асимметрия > 0: больший вес в левой части распределения. асимметрия "0: больший вес в правой части распределения.
Его формула —
Параметры:
массив: Входной массив или объект, содержащий элементы.
ось: Ось, вдоль которой значение асимметрии должно быть измерено. По умолчанию ось = 0.
bias: Bool; расчеты корректируются на статистическую погрешность, если установлено значение False.Возвращает: значение асимметрии набора данных вдоль оси.
Код № 1:
# График с использованием numpy.linspace() # Поиск асимметрии
from scipy.stats import skew
import numpy as np
import pylab as p
x1 = np.linspace ( - 5 , 5 , 1000 )
y1 = 1. / (sqrt -in-python/">np. sqrt ( 2. * np.pi)) * np.exp( - <класс кода = "обычный">. 5 * (x1) * * 2 )
p.plot (x1, y1, ` * ` )
print ( ` Неравномерность данных: ` , skew (y1))
Вывод :
Асимметрия данных: 1.1108237139164436
Код № 2:
< table border = "0" cellpadding = "0" Cellspacing = " 0 ">
# График с использованием numpy.linspace () # Поиск асимметрии
from scipy.stats import skew
import numpy as np
import pylab as p
x1 = np.linspace ( - 5 , 12 , 1000 )
y1 = 1 . / (sqrt-in-python/"> np. sqrt ( 2. * np.pi )) * np.exp ( - . 5 * (x1) * * 2 )
p.plot (x1, y1, `.` )
print ( `Асимметрия данных:` , skew (y1))
Вывод:
Асимметрия для данных: 1,917677776148478
Код № 3: На основе случайных данных
# Найти асимметрию
from scipy.stats import skew
import numpy as np
# случайные значения, основанные на нормальном распределении
x = <класс кода = "простой"> np. random.normal ( 0 , 2 , 10000 )
print ( " X: " , x)
print ( `Асимметрия для data:` , skew (x))
Вывод:
X: [ 0,03255323 -6,18574775 -0,58430139 ... 3,22112446 1,16543279 0,84083317] Асимметрия для данных: 0,03248837584866293