我用自己的代码计算峰度（http://mathworld.wolfram.com/Kurtosis.html），并将其与scipy.stats.kurtosis进行比较。
a = array([ 1. , 2. , 2.5, 400. , 6. , 0. ])
#kurtosis (gives: 4.19886)
print (sum((a - np.mean(a)) ** 4)/len(a)) / np.std(a)**4
# scipy kurtosis (gives: 5.996677)
print scipy.stats.kurtosis(a,bias=False)
为什么scipy会给出不同的结果？我遵循了mathworld中的定义。
最佳答案
如果你读了ScPy峰度函数的“AA>”，SISPY就默认地计算了多余峰度（减去3）：
Sistay.Stuts.峰度（a，轴＝0，Fisher＝true，偏差＝真）
计算数据集的峰度（Fisher或皮尔森）。
峰度是第四个中心矩除以
方差。如果使用fisher的定义，则从中减去3.0
正态分布为0.0的结果。
如果偏差为假，则利用K统计量计算峰度。
消除偏倚矩估计的偏倚
将fisher设置为False将提供您所期望的：
In [1]: a = np.array([ 1. , 2. , 2.5, 400. , 6. , 0. ])
In [2]: scipy.stats.kurtosis(a, fisher=False)
Out[2]: 4.198860780044809