如何计算描述性统计；从数据集中选择的特征的偏度和峰度？答案

【问题标题】：how to compute descriptive statistics; Skewness and Kurtosis for slected feature from dataset?如何计算描述性统计；从数据集中选择的特征的偏度和峰度？
【发布时间】：2019-11-12 08:25:19
【问题描述】：

我需要在 python 中正确地从数据框中找到所选特征的偏度和峰度。

目标（y）特征是我需要的选定特征。

import pandas as pd
import numpy.random as rd
data = pd.read_csv('data4filter2.csv')
columns = ['Development Platform','Language Type','Adjusted Function Points','Resource Level']
y = data['Normalised Work Effort'].values
X = data[list(columns)].values

【问题讨论】：

您的数据在哪里？到目前为止，您是否为自己编写过代码？
你又可以看到问题了，我已经编辑过了。
数据集呢？你能打印一些吗？
好的，我从我的数据中添加了样本

标签： python kurtosis

【解决方案1】：

我猜标准化数据是“标准化工作努力”列（只是因为名称？-是的，没有更多信息并回答问题）

from scipy.stats import skew
from scipy.stats import kurtosis

print(skew(y))
1.4698391946407465
print(kurtosis(y))
0.5414032993205269

【讨论】：