polars.Expr.skew

Expr.skew(
    *,
    bias: bool = True,
) → Expr

Вычисляет выборочную асимметрию набора данных.

Для нормально распределённых данных асимметрия должна быть близка к нулю. Для унимодальных непрерывных распределений значение асимметрии больше нуля означает, что в правом хвосте распределения сосредоточено больше данных. Функцию skewtest можно использовать, чтобы определить, достаточно ли близко значение асимметрии к нулю с точки зрения статистики.

Дополнительную информацию см. в scipy.stats.

движок:В памятиПотоковая обработка

Параметры:

biasbool, optional

Если False, вычисления корректируются с учётом статистического смещения.

Примечания

Выборочная асимметрия вычисляется как коэффициент асимметрии Фишера — Пирсона, то есть

\[g_1=\frac{m_3}{m_2^{3/2}}\]

где

\[m_i=\frac{1}{N}\sum_{n=1}^N(x[n]-\bar{x})^i\]

— смещённый выборочный центральный момент порядка \(i\texttt{th}\), а \(\bar{x}\) — выборочное среднее. Если bias равно False, вычисления корректируются с учётом смещения, и вычисляется скорректированный стандартизованный моментный коэффициент Фишера — Пирсона, то есть

\[G_1 = \frac{k_3}{k_2^{3/2}} = \frac{\sqrt{N(N-1)}}{N-2}\frac{m_3}{m_2^{3/2}}\]

Примеры

>>> df = pl.DataFrame({"a": [1, 2, 3, 2, 1]})
>>> df.select(pl.col("a").skew())
shape: (1, 1)
┌──────────┐
│ a        │
│ ---      │
│ f64      │
╞══════════╡
│ 0.343622 │
└──────────┘