摘要：表示從負(fù)無(wú)窮積分到時(shí)的返回值，可以得到個(gè)隨機(jī)的符合正態(tài)分布的數(shù)字。

1.這些操作都要確保已經(jīng)在電腦中安裝好了Anaconda集成庫(kù)，如果安裝好后運(yùn)行出錯(cuò)誤，可以將原來(lái)電腦中的python卸載重新安裝Anaconda，建議安裝時(shí)直接將添加環(huán)境變量打勾，否則以后得自己添加環(huán)境變量，在Pycharm中的編譯器選擇Anaconda安裝文件夾中的python。在Pycharm中新建一個(gè)data文件夾用來(lái)存放數(shù)據(jù)文件。

2.打開(kāi)Python Console。

3.首先在用python讀取數(shù)據(jù)，需要先輸入import pandas as pd引入pandas包，再輸入df=pd.read_csv("./data/CityData.csv")讀取數(shù)據(jù)，最后輸入df顯示數(shù)據(jù)。

4.分別輸入type(df)和type(df["cid"])可以發(fā)現(xiàn)兩種數(shù)據(jù)類(lèi)型不同。

5.計(jì)算平均值：df.mean()或df["xid"].mean()

6.計(jì)算中位數(shù)：輸入df.median()或df["yid"].median

7.求四分位數(shù)：輸入df.quantile(q=0.25)

8.求眾數(shù)：輸入df.mode()或df["xid"].mode()

9.求標(biāo)準(zhǔn)差：輸入df.std()或df["yid"].std()

10.計(jì)算方差：df.var()或df["xid"].var()

11.求和：df.sum()或df["xid"].sum()

12.計(jì)算偏態(tài)系數(shù)：df.skew()或df["yid"].skew()

13.計(jì)算峰態(tài)系數(shù)：df.kurt()或df["yid"].kurt()

14.生成正態(tài)分布函數(shù)，pandas無(wú)法直接生成，需要先引入scipyimport scipy.stats as ss，再輸入ss.norm，這時(shí)生成的是一個(gè)正態(tài)分布的對(duì)象，我們輸入ss.norm.stats(moments="mvsk")查看一下，mvsk分別代表的是均值、方差、偏態(tài)系數(shù)、峰態(tài)系數(shù)。

這時(shí)我們可以看到生成四個(gè)值，分別對(duì)應(yīng)正態(tài)分布的mvsk分別為0、1、0、0。

15.ss.norm.pdf(0.0)表示橫坐標(biāo)為0時(shí)的縱坐標(biāo)的值。ss.norm.ppf(0.9)表示從負(fù)無(wú)窮累積到返回值時(shí)得到的值為0.9，其中ppf后的值必須在0-1之間。ss.norm.cdf(2)表示從負(fù)無(wú)窮積分到2時(shí)的返回值，ss.norm.rvs(size=10)可以得到10個(gè)隨機(jī)的符合正態(tài)分布的數(shù)字。

16.類(lèi)似的，我們可以分別輸入ss.chi2和ss.t得到卡方分布和T分布。

17.此外我們還可以進(jìn)行抽樣，輸入df.sample(n=10)從數(shù)據(jù)中抽取10個(gè)樣本，輸入df.sample(frac=0.1)從數(shù)據(jù)中抽取10%的樣本。