Python|熊猫系列.kurt()

Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了许多用于执行涉及索引的操作的方法。

Pandas Series.kurt()函数使用 Fisher 的峰度定义（正常峰度 == 0.0）返回请求轴上的无偏峰度。结果由 N-1 归一化。

Syntax: Series.kurt(axis=None, skipna=None, level=None, numeric_only=None, **kwargs)

Parameter :
axis : Axis for the function to be applied on.
skipna : Exclude NA/null values when computing the result.
level : If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a scalar.
numeric_only : Include only float, int, boolean columns.
**kwargs : Additional keyword arguments to be passed to the function.

Returns : kurt : scalar or Series (if level specified)

示例 #1：使用Series.kurt()函数查找给定系列对象的基础数据的峰度。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([10, 25, 3, 25, 24, 6])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。

# return kurtosis
result = sr.kurt()
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.kurt()函数返回了给定系列对象的峰度。示例 #2：使用Series.kurt()函数查找给定系列对象的基础数据的峰度。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 84, 32, 10, 5, 24, 32])
  
# Create the Index
index_ = pd.date_range('2010-10-09', periods = 11, freq ='M')
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

输出 ：

现在我们将使用Series.kurt()函数来查找给定系列对象的基础数据的峰度。

# return kurtosis
result = sr.kurt()
  
# Print the result
print(result)

输出 ：

正如我们在输出中看到的， Series.kurt()函数返回了给定系列对象的峰度。