scipy.stats.mstats.

describe#

scipy.stats.mstats.describe(a, axis=0, ddof=0, bias=True)[source]#

計算傳遞陣列的幾個描述性統計量。

參數:

aarray_like: 資料陣列
axisint 或 None，選填: 計算統計量的軸。預設值為 0。如果為 None，則在整個陣列 a 上計算。
ddofint，選填: 自由度（預設值為 0）；請注意，預設 ddof 與 stats.describe 中的相同常式不同
biasbool，選填: 如果為 False，則偏度和峰度計算會針對統計偏差進行校正。

返回:

nobsint: （資料大小（捨棄遺失值））
minmax(int, int): 最小值，最大值
meanfloat: 算術平均數
variancefloat: 不偏變異數
skewnessfloat: 有偏偏度
kurtosisfloat: 有偏峰度

範例

>>> import numpy as np
>>> from scipy.stats.mstats import describe
>>> ma = np.ma.array(range(6), mask=[0, 0, 0, 1, 1, 1])
>>> describe(ma)
DescribeResult(nobs=np.int64(3), minmax=(masked_array(data=0,
             mask=False,
       fill_value=999999), masked_array(data=2,
             mask=False,
       fill_value=999999)), mean=np.float64(1.0),
       variance=np.float64(0.6666666666666666),
       skewness=masked_array(data=0., mask=False, fill_value=1e+20),
        kurtosis=np.float64(-1.5))