怎样用Python快速计算特征工程中所有数值特征的偏度与峰度？-Python教程-PHP中文网

直接用df.select_dtypes(include='number').apply(lambda x: pd.series({'skew': skew(x.dropna(), nan_policy='omit'), 'kurtosis': kurtosis(x.dropna(), nan_policy='omit')}))一次性计算所有数值列的偏度和峰度，自动处理nan、排除非数值列，并规避pandas内置方法在nan_policy和excess kurtosis上的不一致问题。

怎样用python快速计算特征工程中所有数值特征的偏度与峰度？

直接用 scipy.stats 的 skew() 和 kurtosis()，配合 pandas.DataFrame.select_dtypes() 筛出数值列——这是最稳、最快、最不易出错的方式。

怎么一次性算完所有数值列的偏度和峰度？

别手动遍历列名，也别写 for 循环套 scipy 函数。直接利用 pandas 的 apply() 配合向量化函数：

from scipy.stats import skew, kurtosis
numeric_cols = df.select_dtypes(include='number').columns
result = df[numeric_cols].apply(lambda x: pd.Series({
    'skew': skew(x.dropna(), nan_policy='omit'),
    'kurtosis': kurtosis(x.dropna(), nan_policy='omit')
}))

关键点：

Python Use Agent

智能执行Python任务，自动生成、执行代码并反馈结果，无需额外配置，兼容旧命令。

下载

select_dtypes(include='number') 自动排除 object / category 列，比写 df.dtypes != 'object' 更准
nan_policy='omit' 必须显式指定，否则含 NaN 时 skew() 默认报错 ValueError: Input contains NaN
x.dropna() 再套一层更保险，尤其当列里混有 inf 或空字符串转成的 NaN

为什么不能直接用 `df.skew()` 和 `df.kurtosis()`？

pandas 自带的 skew() 和 kurtosis() 方法看似省事，但实际有坑：

它们默认按 axis=0 计算，看起来没问题，但底层调用的是 scipy，而 pandas 0.25+ 后对 nan_policy 的处理不透明，某些版本会静默跳过 NaN，导致结果和手动用 scipy 不一致
df.kurtosis() 计算的是 *excess kurtosis*（峰度减 3），而 scipy.stats.kurtosis() 默认也是 excess，但如果你误用 fisher=False 参数，就和 pandas 结果对不上
没有统一控制 nan_policy 的入口，调试时容易困惑

遇到 `RuntimeWarning: invalid value encountered in double_scalars` 怎么办？

这个警告通常出现在某列方差为 0（全相同值）或只有 1~2 个有效样本时，skew() 和 kurtosis() 内部除零。解决方法：

加 try/except 捕获，返回 np.nan 或占位符，比如：skew(x, nan_policy='omit') if x.nunique() > 1 else np.nan
提前过滤掉低方差列：df[numeric_cols].nunique() > 2，避免无意义计算
注意 kurtosis() 要求至少 4 个非空值才合理，少于 4 个时结果不可信，建议加样本量检查：len(x.dropna()) → 设为 <code>np.nan

偏度和峰度本身对样本量敏感，尤其是峰度；列中哪怕一个异常值都可能让结果剧烈波动。别只看数字大小，一定要结合直方图或 df[col].describe() 一起看——这才是真正能用的结果。