大熊猫如何计算偏斜

Question

我正在计算一个 coskew 矩阵，并想用 skew 方法中内置的 pandas 仔细检查我的计算。我无法协调 pandas 执行计算的方式。

将我的系列定义为：

import pandas as pd

series = pd.Series(
    {0: -0.051917457635120283,
     1: -0.070071606515280632,
     2: -0.11204865874074735,
     3: -0.14679988245503134,
     4: -0.088062467095565145,
     5: 0.17579741198527793,
     6: -0.10765856028420773,
     7: -0.11971470229167547,
     8: -0.15169210769159247,
     9: -0.038616800990881606,
     10: 0.16988162977411481,
     11: 0.092999418364443032}
)

我比较了以下计算并期望它们是相同的。

熊猫

series.skew()

1.1119637586658944

我

(((series - series.mean()) / series.std(ddof=0)) ** 3).mean()

0.967840223081231

我 - 拿 2

这是明显不同的。我想可能是Fisher-Pearson coefficient。所以我做了：

n = len(series)
skew = series.sub(series.mean()).div(series.std(ddof=0)).apply(lambda x: x ** 3).mean()
skew * (n * (n - 1)) ** 0.5 / (n - 1)

1.0108761442417222

还差很多。

问题

pandas 如何计算 skew？

Answer 1

我发现scipy.stats.skew 带有参数bias=False 返回相等的输出，所以我认为pandas skew 默认是bias=False：

偏差：布尔值

如果为 False，则计算会针对统计偏差进行校正。

import pandas as pd
import scipy.stats.stats as stats

series = pd.Series(
    {0: -0.051917457635120283,
     1: -0.070071606515280632,
     2: -0.11204865874074735,
     3: -0.14679988245503134,
     4: -0.088062467095565145,
     5: 0.17579741198527793,
     6: -0.10765856028420773,
     7: -0.11971470229167547,
     8: -0.15169210769159247,
     9: -0.038616800990881606,
     10: 0.16988162977411481,
     11: 0.092999418364443032}
)

print (series.skew())
1.11196375867

print (stats.skew(series, bias=False))
1.1119637586658944

100% 不确定，但我想我可以在 code 找到它

---

编辑（piRsquared）

来自scipy skew code

if not bias:
    can_correct = (n > 2) & (m2 > 0)
    if can_correct.any():
        m2 = np.extract(can_correct, m2)
        m3 = np.extract(can_correct, m3)
        nval = ma.sqrt((n-1.0)*n)/(n-2.0)*m3/m2**1.5
        np.place(vals, can_correct, nval)
return vals

调整是(n * (n - 1)) ** 0.5 / (n - 2)而不是(n * (n - 1)) ** 0.5 / (n - 1)