问题描述
我想计算数据点列表的前 4 个原始矩，例如 my_list = [34.0,35.0,39.0,43.0,46.5,48.5,50.0,51.5,52.5]。
我知道 scipy.stats.moment 但它似乎只计算中心矩：
scipy.stats.moment(a,moment=1,axis=0,nan_policy='propagate')
计算样本均值的第 n 阶矩。
矩是一组点形状的特定定量度量。由于与偏度和峰度的关系密切，所以常用于计算偏度和峰度系数。
我还注意到有 scipy.stats 函数用于偏度或方差：
from scipy.stats import variation,skew
my_list = [34.0,52.5]
print(np.var(my_list))
print(variation(my_list))
print(skew(my_list))
>>> 44.0246913580247
>>> 0.14928998626833617
>>> -0.39001327934054053
但是正如您所看到的，numpy 和 scipy 返回的结果非常不同。
这些方法之间有什么区别？找到前 4 个原始矩（均值、方差、偏度、峰度）的最有效方法是什么？
解决方法
使用scipy.stats.describe()：
>>> x = [34.0,35.0,39.0,43.0,46.5,48.5,50.0,51.5,52.5]
>>> moments = scipy.stats.describe(x)
>>> moments.mean
44.44444444444444
>>> moments.variance
49.527777777777786
>>> moments.skewness
-0.39001327934054053
>>> moments.kurtosis
-1.3564638918570706