上QQ阅读APP看本书，新人免费读10天
设备和账号都新为新人
6.7 数据的分布分析
通过分析数据的高斯分布情况来确认数据的偏离情况。高斯分布又叫正态分布，是在数据、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响。高斯分布的曲线呈钟形，两头低，中间高，左右对称。在高斯分布图中，y轴两点之间的面积是发生的概率。在很多机器学习算法中都会假定数据遵循高斯分布，先计算数据的高斯偏离状况，再根据偏离状况准备数据。我们可以使用DataFrame的skew（）方法来计算所有数据属性的高斯分布偏离情况。代码如下：
from pandas import read_csv
# 计算数据的高斯偏离
filename='pima_data.csv'
names=['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age',
'class']
data=read_csv（filename, names=names）
print（data.skew（））
skew（）函数的结果显示了数据分布是左偏还是右偏。当数据接近0时，表示数据的偏差非常小。执行结果如下：
preg 0.901674
plas 0.173754
pres -1.843608
skin 0.109372
test 2.272251
mass -0.428982
pedi 1.919911
age 1.129597
class 0.635017
dtype: float64