33.数据分布情况分析

# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
import numpy as np  # 导入NumPy数值计算库
import pandas as pd  # 导入Pandas数据分析库
from scipy.stats import skew, kurtosis  # 导入SciPy科学计算库

# 生成1000个10到20之间的随机整数
np.random.seed(0)
data = np.random.randint(10,20,10000)  # 生成随机数

# 描述性统计
data_describe = pd.DataFrame(data).describe()
print("数据集的描述性统计信息：\n", data_describe)  # 输出数据集的描述性统计信息：\n

# 计算偏度和峰度
data_skew = skew(data)
data_kurtosis = kurtosis(data)  # 计算数据的峰度（衡量分布尖锐程度）
print("数据集的偏度为：", data_skew)  # 输出数据集的偏度为
print("数据集的峰度为：", data_kurtosis)  # 输出数据集的峰度为

# ==================== 计算偏度 ====================
# 偏度衡量分布的不对称性,正值表示右偏,负值表示左偏
data_skew = skew(data)  # 计算数据的偏度系数

# ==================== 计算峰度 ====================
# fisher=False表示使用Pearson峰度(正态分布峰度为3)
# fisher=True表示使用Fisher峰度(正态分布峰度为0)
data_kurtosis = kurtosis(data, fisher=False)  # 计算Pearson峰度

# ==================== 输出偏度和峰度 ====================
print(f'偏度: {data_skew:.4f}')  # 打印偏度值,保留4位小数
print(f'峰度: {data_kurtosis:.4f}')  # 打印峰度值

# ==================== 偏度解读 ====================
print('\n偏度解读:')
if abs(data_skew) < 0.5:  # 偏度绝对值小于0.5
    print('  偏度接近0,分布较为对称')  # 近似对称分布
elif data_skew > 0:  # 偏度大于0
    print('  正偏,右侧长尾')  # 右侧有极端值拉动均值
else:  # 偏度小于0
    print('  负偏,左侧长尾')  # 左侧有极端值拉动均值

# ==================== 峰度解读 ====================
print('\n峰度解读:')
if abs(data_kurtosis - 3) < 0.5:  # Pearson峰度接近3
    print('  峰度接近3,接近正态分布')  # 正态峰度
elif data_kurtosis > 3:  # Pearson峰度大于3
    print('  尖峰,数据更集中')  # 中心集中,尾部较薄
else:  # Pearson峰度小于3
    print('  平峰,数据更分散')  # 中心平坦,尾部较厚