数据分布的偏度(skewness)和峰度(kurtosis）

偏度（skewness）

是统计数据分布偏斜方向和程度的度量，是统计数据分布非对称程度的数值特征：定义为：样本的三阶标准化矩。

Skew(X)=E[(X−μσ)]=k3σ3=k3k23/2Skew(X)=E[(\frac{X-\mu}{\sigma})]=\frac{k_3}{\sigma_3}=\frac{k_3}{k_2^{3/2}}Skew(X)=E[(σX−μ​)]=σ3​k3​​=k23/2​k3​​

偏度定义中包括：正态分布（偏度=0）、右偏（尾巴右偏）分布（也叫正偏分布，偏度>0），左偏（尾巴左偏）分布（也叫负偏分布，其偏度<0）。

峰度（peakedness、kurtosis）

又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数，直观看来，峰度反映了峰部的尖度，随机变量的峰度计算方法：随机变量的四阶中心距与方差平方的比值。

Kurt(X)=E[(X−μσ)4]=E[(X−μ)4]E[(X−μ)2])2Kurt(X)=E[(\frac{X-\mu}{\sigma})^4]=\frac{E[(X-\mu)^4]}{E[(X-\mu)^2])^2}Kurt(X)=E[(σX−μ​)4]=E[(X−μ)2])2E[(X−μ)4]​

峰度包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）

具体计算方法：DataFrame.skew()DtaFrame.kurt()