Python案例如何用Pandas做数据偏度峰度

wen python案例 2026-07-15 1

用Pandas做数据偏度与峰度：从基础原理到实战案例详解

目录导读

为什么要关注偏度与峰度？
偏度（Skewness）与峰度（Kurtosis）的核心概念
Pandas实操步骤：数据准备与计算函数
电商销售额的偏度分析（右偏分布）
学生成绩的峰度分析（尖峰与平峰）
实战问答：如何用Pandas动态筛选高偏度特征？
SEO优化技巧：数据分析文章的关键词布局

为什么要关注偏度与峰度？

在数据分析中，我们常常依赖均值、标准差等描述性统计量，但这两者无法揭示数据的分布形态，两组数据可能拥有相同的均值和标准差，却呈现完全不同的分布特征：一组集中在中间，另一组偏向极端值，这正是偏度和峰度的用武之地。

Python案例如何用Pandas做数据偏度峰度

偏度衡量数据分布的对称性，帮助识别是否存在“长尾”风险（如金融领域的极端损失）。
峰度描述数据在均值附近的集中程度，用于检测异常值（如生产过程中的质量波动）。

在实际业务场景中，无论是风控模型、用户行为分析，还是市场调研，这两项指标都是判断数据正态性的关键依据，Pandas作为Python最主流的数据分析库,提供了简洁的方法直接计算这些高阶统计量。

偏度与峰度的核心概念

1 偏度（Skewness）

公式：( Skewness = \frac{n}{(n-1)(n-2)} \sum (\frac{x_i - \bar{x}}{s})^3 )
解读：
- 正偏（>0）：数据右侧有长尾，均值大于中位数（如收入分布）。
- 负偏（<0）：数据左侧有长尾，均值小于中位数（如考试得分）。
- 零偏：分布对称（如标准正态分布）。

2 峰度（Kurtosis）

公式：( Kurtosis = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum (\frac{x_i - \bar{x}}{s})^4 - \frac{3(n-1)^2}{(n-2)(n-3)} )
注意：Pandas默认计算“超额峰度”（Excess Kurtosis），即减去3后的值。
- 正值（>0）：分布更尖，数据集中在均值附近（如金融收益的“肥尾”）。
- 负值（<0）：分布更平，数据分散（如均匀分布）。
- 零值：峰度等于正态分布。

SEO提示：在文章中自然嵌入“数据分析”“Python pandas 偏度峰度教程”等长尾关键词。

Pandas实操步骤：数据准备与计算函数

1 环境准备

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

2 核心函数

df['column'].skew()：计算偏度
df['column'].kurtosis()：计算峰度（注意：这是超额峰度）

3 模拟数据生成

我们创建包含不同分布特征的测试数据集：

np.random.seed(0)
normal_data = np.random.normal(loc=0, scale=1, size=1000)
right_skew = np.random.exponential(scale=2, size=1000)  # 右偏
flat_kurt = np.random.uniform(low=-2, high=2, size=1000)  # 平峰
df = pd.DataFrame({
    'normal': normal_data,
    'skewed': right_skew,
    'flat': flat_kurt
})

计算并输出：

for col in df.columns:
    print(f"{col}: 偏度={df[col].skew():.3f}, 峰度={df[col].kurtosis():.3f}")

结果示例：

normal: 偏度=0.008, 峰度=-0.069
skewed: 偏度=1.018, 峰度=1.487
flat: 偏度=-0.026, 峰度=-1.187

案例一：电商销售额的偏度分析（右偏分布）

场景

某电商平台一个月内的订单金额数据（单位：元）往往呈现右偏分布——大部分订单小额，少数大额订单拉高均值,我们需要计算偏度量化风险。

数据生成

np.random.seed(42)
sales = np.random.exponential(scale=100, size=5000) + 20
df_sales = pd.DataFrame({'amount': sales})

计算与可视化

skew_val = df_sales['amount'].skew()
print(f"销售额偏度：{skew_val:.4f}")  # 输出：约1.2（右偏）
# 直方图验证
plt.hist(df_sales['amount'], bins=50, edgecolor='black', alpha=0.7)f'销售额分布 (偏度={skew_val:.2f})')
plt.show()

业务解读

偏度值>1，意味着：

80%的订单金额低于平均值。
平均值被“超级用户”订单抬高。
在定价或促销策略中,需关注尾部高价值客户。

SEO问答：

Q：偏度值多大算严重？
A：|偏度|>1可视为高度偏斜；0.5~1为中等偏斜；<0.5可近似对称。

案例二：学生成绩的峰度分析（尖峰与平峰）

场景

某次考试得分分布，若老师希望大部分学生集中在中等分数，则峰度应较高；若分数分布过于分散（峰度低）,则说明区分度差。

数据构造

# 尖峰分布：大部分学生分数在70-80分之间
peak_data = np.random.normal(loc=75, scale=5, size=2000)
# 平峰分布：分数均匀分布在30-100分
flat_data = np.random.uniform(low=30, high=100, size=2000)
df_grade = pd.DataFrame({'peaked': peak_data, 'flat': flat_data})

计算并对比

print("尖峰分布峰度:", df_grade['peaked'].kurtosis())  # 约0.2（略高于正态）
print("平峰分布峰度:", df_grade['flat'].kurtosis())   # 约-1.2（低于正态）

业务含义

尖峰（峰度>0）：成绩集中，教学效果稳定；但可能区分度不足。
平峰（峰度<0）：成绩分散，学生水平差异大,需关注两极生情况。

SEO问答：

Q：峰度和偏度能一起用吗？
A：例如金融数据通常同时呈现右偏（收益不对称）和高峰度（极端值频繁），这对应“尖峰肥尾”特征。

实战问答：如何用Pandas动态筛选高偏度特征？

问题

在包含多个特征的数据集中，如何自动找出偏度绝对值>0.8的特征？

解决方案

# 假设df_multiple包含10个特征
df_multiple = pd.DataFrame(np.random.randn(100, 10), columns=[f'feat_{i}' for i in range(10)])
# 加入偏斜特征
df_multiple['skewed_feat'] = np.random.exponential(scale=2, size=100)
# 计算所有数值列的偏度
skew_series = df_multiple.select_dtypes(include=[np.number]).skew()
# 筛选高偏度特征
high_skew = skew_series[abs(skew_series) > 0.8]
print("高偏度特征：\n", high_skew)