明天咱们来聊聊统计学中的偏态散布，聊偏态散布以前咱们先看看正态分布，上面这张图在公众号文章中屡次呈现，就是传说中的正态分布。
这张图中的横轴是随机变量 x 的具体值，正态分布的中心点是随机变量 x 的均值 μ，以均值为核心，而后向两边扩散，既然是均值，那必定就有比均值大的值，也有比均值小的点，咱们用标准差 σ 示意数据集的离散水平，也就是间隔均值 μ 的远近。
纵轴是 x 对应的概率密度。咱们应该都晓得概率，是用来示意一个值或一种状况呈现的可能性大小。而概率密度等于一段区间 (随机变量 x 的取值范畴) 的概率除以该段区间的长度。
横轴与纵轴围成的面积示意横轴 x 对应的这个区间呈现的概率。
x 轴标记出了 7 个点，别离为:μ、u+σ、u-σ、u+2σ、u-2σ、u+3σ、u-3σ，即间隔均值 1 倍、2 倍、3 倍、3 倍以上标准差的间隔。
能够看到有 64.2%(34.1+34.1)的数据集中在 (u-σ,u+σ) 之间，有 27.2% 的数据位于 (u±σ,u±2σ) 之间, 有 4.2% 的数据位于(u±2σ,u±3σ)，剩下的就是(u±3σ，∞)。阐明大部分数据还是集中在平均值左近的，而咱们生存中的很多事件都是合乎正态分布的，这也就是为什么能够用平均值来代替整体程度的一个起因，比方均匀身高、平均工资等等。
尽管大多数状况下数据是正态分布的，然而也有不是正态分布的状况，这个时候就是偏态散布了，偏态散布有两种，左偏和右偏。长尾在哪边就是哪篇，上面第一张图的长尾在右边就是左偏，最初一张图的长尾在左边就是右偏。
如果是左偏，阐明大多数是集中在左边的，即众数 > 中位数 > 均值；如果是右偏，阐明大多数是集中在右边的，即众数 < 中位数 < 均值。
咱们能够用偏态系数来掂量具体的偏离水平，偏态系数大于 0 则右偏，小于 0 则左偏，值越大越偏。
在 Python 中要计算某一列的偏态系数能够应用如下代码：
# 计算 col 列的偏态系数
df["col"].skew()
因为事实中很多数据是合乎正态分布的，很多模型也都是假如数据是遵从正太散布的，比方方差分析中，就是假如数据是遵从正态分布的。如果你的数据是偏态散布的时候，这个时候能够对数据进行转换，从偏态数据转换成正态数据，常见的转换就是原始数据取对数。
在 Python 中能够应用上面代码对数据取对数。
# 对 x 取对数
import math
math.log(x)
统计学中为什么要对变量取对数：
https://www.zhihu.com/questio…