arrays - 从 numpy 数组计算峰度？

Question

我正在尝试计算“峰度”，以及来自 numpy 数组的其他统计数据。
计算最小值、最大值、平均值和标准偏差很容易，就像我刚刚做的那样。

import arcpy
arr = arcpy.RasterToNumPyArray(input_Raster) 
x = arr
print 'Min =', x.min()
print 'Max =', x.max() 
print 'Mean =', x.mean()
print 'Standard Deviation =', x.std()

哪些输出:

Min = 1.87895
Max = 16.8343
Mean = 8.03462
Standard Deviation = 1.52192

但是这种方法对峰度不起作用!
正如我尝试过的

print 'Kurtosis =', x.kurtosis()

我得到: AttributeError: 'numpy.ndarray' 对象没有属性 'kurtosis'

我可以用来合并到我自己中来计算峰度结果的最简单的代码是什么？谢谢。

Answer 1

Numpy 仅限于相当基本的数组操作，您需要联系受过更多教育的兄弟 Scipy 才能获得 more advanced stats functions .

scipy.stats.kurtosis(a, axis=0, fisher=True, bias=True)

Computes the kurtosis (Fisher or Pearson) of a dataset.

所以， from scipy.stats import kurtosis ，然后 kurtosis(x) .
通常，Numpy 数组上的方法仅限于最基本的操作( max 、 min 等)。 Numpy 方法提供了更多功能(例如 numpy.diff )，更多功能来自 Scipy( scipy.optimize.[whatever] scipy.signal.[whatever] , scipy.stats.[whatever] )