亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python 實現(xiàn)檢驗33品種數(shù)據(jù)是否是正態(tài)分布

 更新時間:2019年12月09日 14:38:42   作者:云金杞  
今天小編就為大家分享一篇python 實現(xiàn)檢驗33品種數(shù)據(jù)是否是正態(tài)分布,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

我就廢話不多說了,直接上代碼吧!

# -*- coding: utf-8 -*-
"""
Created on Thu Jun 22 17:03:16 2017
@author: yunjinqi 
 
E-mail:yunjinqi@qq.com 
 
Differentiate yourself in the world from anyone else.
"""
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.tsa.stattools as ts
import statsmodels.api as sm
from statsmodels.graphics.api import qqplot
from statsmodels.sandbox.stats.runs import runstest_1samp
import scipy.stats as sts 
 
namelist=['cu','al','zn','pb','sn','au','ag','rb','hc','bu','ru','m9','y9','a9',
    'p9','c9','cs','jd','l9','v9','pp','j9','jm','i9','sr','cf',
    'zc','fg','ta','ma','oi','rm','sm']
j=0
for i in namelist:
 
 filename='C:/Users/HXWD/Desktop/數(shù)據(jù)/'+i+'.csv'
 data=pd.read_csv(filename,encoding='gbk')
 data.columns=['date','open','high','low','close','amt','opi']
 data.head()
 data=np.log(data['close'])
 r=data-data.shift(1)
 r=r.dropna()
 #print(r)
 rate = np.array(list(r))
 print('品種{}數(shù)據(jù)長度{}均值{}標準差{}方差{}偏度{}峰度{}'.format(i,len(rate),
   rate.mean(),rate.std(),rate.var(),sts.skew(rate),
   sts.kurtosis(rate)))
#結(jié)果

品種cu數(shù)據(jù)長度4976均值0.00012152573153376814標準差0.014276535327917023方差0.0002038194609692628偏度-0.16028824462338614峰度2.642455989417427
品種al數(shù)據(jù)長度5406均值-2.3195089066551237e-05標準差0.009053990835143359方差8.197475004285994e-05偏度-0.34748915595295604峰度5.083890815632417
品種zn數(shù)據(jù)長度2455均值-0.00011823058103745542標準差0.016294570963077237方差0.00026551304287075983偏度-0.316153612624431峰度1.7208737518119293
品種pb數(shù)據(jù)長度1482均值-9.866770650275384e-05標準差0.011417348325010642方差0.0001303558427746233偏度-0.21599833469407717峰度5.878332673854807
品種sn數(shù)據(jù)長度510均值0.00034131697514080907標準差0.013690993291257949方差0.00018744329730127014偏度0.024808842588775293峰1.072347367872859
品種au數(shù)據(jù)長度2231均值0.0001074021979121701標準差0.012100456199756058方差0.00014642104024221482偏度-0.361814930575112峰度4.110915875328322
品種ag數(shù)據(jù)長度1209均值-0.0003262089978362889標準差0.014853094655086982方差0.00022061442083297348偏度-0.2248883178719188峰度4.296247290616826
品種rb數(shù)據(jù)長度1966均值-6.984154093694264e-05標準差0.013462363746262961方差0.00018123523763669528偏度0.07827546016742666峰度5.198115698123077
品種hc數(shù)據(jù)長度758均值-7.256339078572361e-05標準差0.01710980071993581方差0.000292745280675916偏度-0.08403481899486816峰度3.6250669416786323
品種bu數(shù)據(jù)長度864均值-0.0006258998207218544標準差0.01716581014361468方差0.0002946650378866246偏度-0.41242405508236435峰度2.437556911829674
品種ru數(shù)據(jù)長度4827均值5.17426767764321e-05標準差0.016747187916000945方差0.00028046830309384806偏度-0.1986573449586119峰度1.736876616149547
品種m9數(shù)據(jù)長度4058均值8.873778774208505e-05標準差0.012812626470272115方差0.0001641633970667177偏度-0.12119836197638824峰度2.159984922606264
品種y9數(shù)據(jù)長度2748均值4.985975458693667e-05標準差0.012855191360434762方差0.00016525594491339655偏度-0.33456507243405786峰度2.566586342814616
品種a9數(shù)據(jù)長度5392均值9.732600802295795e-05標準差0.010601259945310599方差0.00011238671242804687偏度-0.08768586026629852峰度3.898562231789457
品種p9數(shù)據(jù)長度2311均值-0.00021108840931287863標準差0.014588073181583774方差0.00021281187915124373偏度-0.2881364812318466峰度1.693401619226936
品種c9數(shù)據(jù)長度3075均值0.00010060972262212708標準差0.007206853641314312方差5.1938739407325355e-05偏度-5.204419912904765e-05峰6.074899127691497
品種cs數(shù)據(jù)長度573均值-0.0006465907683602394標準差0.011237570390237955方差0.00012628298827555283偏度0.10170996173895988峰度1.176384982024672
品種jd數(shù)據(jù)長度847均值-9.035290965408637e-05標準差0.01167344224455134方差0.00013626925383687581偏度-0.0682866825422671峰度2.0899893901516133
品種l9數(shù)據(jù)長度2370均值-0.00014710186232216803標準差0.014902467199956509方差0.00022208352864577958偏度-0.2105262196327885峰度1.8796065573836
品種v9數(shù)據(jù)長度1927均值-5.190379527562386e-05標準差0.010437020362123387方差0.00010893139403937818偏度-0.050531345744352064峰度3.47595007264211
品種pp數(shù)據(jù)長度773均值-0.0003789841804842144標準差0.01439578332841083方差0.00020723857763855122偏度0.05479337073436029峰度1.3397870170464232
品種j9數(shù)據(jù)長度1468均值-0.00021854062264841954標準差0.01639429047795793方差0.000268772760275662偏度-0.10048542944058193峰度5.156597958913997
品種jm數(shù)據(jù)長度997均值-0.00011645794468155402標準差0.01792430947223131方差0.000321280870056321偏度0.0010592028961588294峰度3.743159578760195
品種i9數(shù)據(jù)長度862均值-0.0007372124442033161標準差0.021187573227350754方差0.0004489132592643504偏度0.00014411506989559858峰度1.585951370650
品種sr數(shù)據(jù)長度2749均值0.00012213466321006727標準差0.012183745931527473方差0.00014844366492401223偏度-0.038613285961243735峰度2.520231613626
品種cf數(shù)據(jù)長度3142均值2.2008517526768612e-05標準差0.010657271857464626方差0.00011357744344390753偏度-0.034412876065561426峰度5.6421501855702
品種zc數(shù)據(jù)長度475均值0.00041282070613302206標準差0.015170141171075784方差0.00023013318315036853偏度-0.1393361750238265峰度1.2533894316392926
品種fg數(shù)據(jù)長度1068均值-1.57490340832121e-05標準差0.013148411070446203方差0.00017288071367743227偏度0.008980132282547534峰度1.9028507879273144
品種ta數(shù)據(jù)長度2518均值-0.00023122774877981512標準差0.013637519813532077方差0.00018598194666447998偏度-0.9126347458178135峰度10.954670464918
品種ma數(shù)據(jù)長度700均值-0.00024988691257348835標準差0.015328611435734359方差0.00023496632854772616偏度0.0164362832185746峰度1.1736088397060
品種oi數(shù)據(jù)長度1098均值-0.0004539513793265549標準差0.009589990427720812方差9.196791640377678e-05偏度-0.28987574371279706峰度3.871322266527967
品種rm數(shù)據(jù)長度1049均值1.458523923966432e-05標準差0.013432556545527753方差0.00018043357534880047偏度-0.053300026893851014峰度1.3938292783638
品種sm數(shù)據(jù)長度548均值-3.179600698107184e-05標準差0.020018458278106444方差0.00040073867183228846偏度-2.6734390275887647峰度31.533801188366837

#正態(tài)分布的偏度應(yīng)該是0,峰度是3,所以,不滿者這些的都是非標準正態(tài)分布

以上這篇python 實現(xiàn)檢驗33品種數(shù)據(jù)是否是正態(tài)分布就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • 利用Pandas 創(chuàng)建空的DataFrame方法

    利用Pandas 創(chuàng)建空的DataFrame方法

    下面小編就為大家分享一篇利用Pandas 創(chuàng)建空的DataFrame方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • Python中turtle.write方法使用說明

    Python中turtle.write方法使用說明

    turtle模塊以面向?qū)ο蠛兔嫦蜻^程的方式提供turtle圖形基元,由于它使用Tkinter作為基礎(chǔ)圖形,因此需要安裝有Tk支持的Python版本,下面這篇文章主要給大家介紹了關(guān)于Python中turtle.write方法使用說明的相關(guān)資料,需要的朋友可以參考下
    2022-02-02
  • python3轉(zhuǎn)換code128條形碼的方法

    python3轉(zhuǎn)換code128條形碼的方法

    這篇文章主要介紹了python3轉(zhuǎn)換code128條形碼的方法,非常不錯,具有一定的參考借鑒價值,需要的朋友可以參考下
    2019-04-04
  • pycharm軟件實現(xiàn)設(shè)置自動保存操作

    pycharm軟件實現(xiàn)設(shè)置自動保存操作

    這篇文章主要介紹了pycharm軟件實現(xiàn)設(shè)置自動保存操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-06-06
  • numba CUDA報錯的問題解決

    numba CUDA報錯的問題解決

    本文主要介紹了numba CUDA報錯的問題解決,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-02-02
  • Django框架的中的setting.py文件說明詳解

    Django框架的中的setting.py文件說明詳解

    這篇文章主要介紹了Django框架的中的setting.py文件說明詳解,這個文件包含了所有有關(guān)這個Django項目的配置信息,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-10-10
  • Pyqt5 基本界面組件之inputDialog的使用

    Pyqt5 基本界面組件之inputDialog的使用

    今天小編就為大家分享一篇Pyqt5 基本界面組件之inputDialog的使用,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-06-06
  • 淺析Python requests 模塊

    淺析Python requests 模塊

    這篇文章主要介紹了Python requests 模塊的相關(guān)資料,幫助大家利用requests 模塊進行爬蟲,感興趣的朋友可以了解下
    2020-10-10
  • python調(diào)用cmd復(fù)制文件代碼分享

    python調(diào)用cmd復(fù)制文件代碼分享

    Python3調(diào)用cmd復(fù)制文件,win7下測試通過,大家參考使用吧
    2013-12-12
  • python 實現(xiàn)批量替換文本中的某部分內(nèi)容

    python 實現(xiàn)批量替換文本中的某部分內(nèi)容

    今天小編就為大家分享一篇python 實現(xiàn)批量替換文本中的某部分內(nèi)容,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-12-12

最新評論