之前笔者在做一个金融数据项目时，有朋友问我，衡量股票收益率有没有什么好的方法。这个问题让笔者也思索了好久，其实股票的收益率如果我们从本质来看不就是数据吗，无非就是收益率我们就想让其越高越好，也就是让这个数据增加得越多越好。而衡量数据我们经常用到的方法有均值、方差、偏度和峰度。均值和方差是我们见到和用到最多的方法，甚至在中学课本里都有提及，那么笔者今天就讲一下偏度和峰度这两个大家不太常用的方法，并结合python代码讲一下偏度和峰度在数据分析中的简单应用。

首先还是介绍一下偏度和峰度的概念。

图1. 偏度和峰度公式

偏度(skewness)又称偏态、偏态系数，是描述数据分布偏斜方向和程度的度量，其是衡量数据分布非对称程度的数字特征。对于随机变量X，其偏度是样本的三阶标准化矩，计算公式如图1中的式(1)所示。

偏度的衡量是相对于正态分布来说，正态分布的偏度为0。因此我们说，若数据分布是对称的，偏度为0；若偏度>0，则可认为分布为右偏，也叫正偏，即分布有一条长尾在右；若偏度<0，则可认为分布为左偏，也叫负偏，即分布有一条长尾在左。正偏和负偏如图2所示，在图2中，左边的就是正偏，右边的是负偏。

图2. 偏度的示意图

而峰度(Kurtosis)则是描述数据分布陡峭或平滑的统计量，通过对峰度的计算，我们能够判定数据分布相对于正态分布而言是更陡峭还是平缓。对于随机变量X，其峰度为样本的四阶标准中心矩，计算公式如图1中的式2所示。

当峰度系