我发现R和Python中medcouple()实现之间的区别。考虑一个数组，该数组由10个重复的480次组成，并以[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19 ,, 20,21]。对于R和Python中的此数组medcouple()，返回不同的结果。
以下R代码返回0：
library(mrfDepth)
values = c(rep(10, 480),
c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21))
medcouple(values, FALSE)
但是下面的Python代码：
from statsmodels.stats.stattools import medcouple
arr=[10.0]*480 + [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]
medcouple(arr)
returns 1!
IMHO R就在这里，但是有任何原始开发者可以对此发表评论吗？
最佳答案
查看您的数据，可以预期medcouple很小，但肯定。 Medcouple可衡量偏度。如Hubert and Vandervieren所述：
从该定义可以清楚地看出，医疗耦合始终位于-1和1之间。向右偏斜的分布对医疗耦合具有正值，而MC在向左偏斜的分布处变为负。最后，对称分布的零耦合数为零。
在数据中，您有很多10s，左边有9个值（1到9），右边有11个值（11到21）。因此，它有点偏向右侧。
在您的计算中，由于四舍五入，它们返回零（我检查了您的python代码，它返回0，而不是1。）但是，如果在数据中输入的位数不是那么多10，那么您会看到一个小的正值：
> medcouple([10.0]*3 + [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21])
array(0.05263158)
更新资料
实际上，我的最初解释是错误的...对不起！
我已经检查了您提供的R代码，它返回1，而不是您看到的零。我还绘制了（使用R）不同样本的medcouple（在初始数据中添加了不同的10s数量）。
我不仅使用了
mrfDepth库，还使用了还实现medcouple统计信息的robustbase。他们返回了相同的值。为了帮助理解这种不对称度量的行为，我使用了偏度统计信息添加了一些图。
最后，为了使事情变得更有趣，我将所有这些结果与一个非常相似的数据样本进行了比较（仅省略了两个数字：20和21）。
参见下面的代码：
library(robustbase) # mc (also a medcouple implementation)
library(mrfDepth) # medcouple
library(moments) # skewness
symmetric.sample = function(n) {
c(c(1:19), rep(10,n))
}
skewed.sample = function(n) {
c(c(1:21), rep(10,n))
}
xlab = "# 10s added"
n = 1:150
png("skew.png", width=600, height=1000, pointsize=8, res=160)
par(mfrow=c(4,2), pch=20)
hist(sapply(30, symmetric.sample), breaks=0:21, xlab="symmetric sample (with 30 10s added)", main="")
hist(sapply(30, skewed.sample), breaks=0:21, xlab="skewed sample (with 30 10s added)", main="")
plot(n, sapply(sapply(n, symmetric.sample), robustbase::mc), col="red", xlab=xlab, ylab="robustbase's mc on symmetric sample")
plot(n, sapply(sapply(n, skewed.sample), robustbase::mc), col="red", xlab=xlab, ylab="robustbase's mc on skewed sample")
plot(n, sapply(sapply(n, symmetric.sample), medcouple, do.reflect=FALSE), col="red", xlab=xlab, ylab="mrfDepth's mc on symmetric sample")
plot(n, sapply(sapply(n, skewed.sample), medcouple, do.reflect=FALSE), col="red", xlab=xlab, ylab="mrfDepth's mc on skewed sample")
plot(n, sapply(sapply(n, symmetric.sample), skewness), col="red", xlab=xlab, ylab="skewness on symmetric sample")
plot(n, sapply(sapply(n, skewed.sample), skewness), col="red", xlab=xlab, ylab="skewness on skewed sample")
dev.off()
现在，关于python的stattools结果，结果完全不同。将原始数据（1到21）加4或更多的10s，medcouple返回0。
我已经测试过Jordi Gutiérrez Hermoso's python implementation。它与R medcouples功能一致。