我就廢話不多說了，直接上程式碼吧！

# -*- coding: utf-8 -*-
"""
Created on Thu Jun 22 17:03:16 2017
@author: yunjinqi 
 
E-mail:[email protected] 
 
Differentiate yourself in the world from anyone else.
"""
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import statsmodels.tsa.stattools as ts
import statsmodels.api as sm
from statsmodels.graphics.api import qqplot
from statsmodels.sandbox.stats.runs import runstest_1samp
import scipy.stats as sts 
 
namelist=['cu','al','zn','pb','sn','au','ag','rb','hc','bu','ru','m9','y9','a9','p9','c9','cs','jd','l9','v9','pp','j9','jm','i9','sr','cf','zc','fg','ta','ma','oi','rm','sm']
j=0
for i in namelist:
 
 filename='C:/Users/HXWD/Desktop/資料/'+i+'.csv'
 data=pd.read_csv(filename,encoding='gbk')
 data.columns=['date','open','high','low','close','amt','opi']
 data.head()
 data=np.log(data['close'])
 r=data-data.shift(1)
 r=r.dropna()
 #print(r)
 rate = np.array(list(r))
 print('品種{}資料長度{}均值{}標準差{}方差{}偏度{}峰度{}'.format(i,len(rate),rate.mean(),rate.std(),rate.var(),sts.skew(rate),sts.kurtosis(rate)))

#結果

品種cu資料長度4976均值0.00012152573153376814標準差0.014276535327917023方差0.0002038194609692628偏度-0.16028824462338614峰度2.642455989417427
品種al資料長度5406均值-2.3195089066551237e-05標準差0.009053990835143359方差8.197475004285994e-05偏度-0.34748915595295604峰度5.083890815632417
品種zn資料長度2455均值-0.00011823058103745542標準差0.016294570963077237方差0.00026551304287075983偏度-0.316153612624431峰度1.7208737518119293
品種pb資料長度1482均值-9.866770650275384e-05標準差0.011417348325010642方差0.0001303558427746233偏度-0.21599833469407717峰度5.878332673854807
品種sn資料長度510均值0.00034131697514080907標準差0.013690993291257949方差0.00018744329730127014偏度0.024808842588775293峰1.072347367872859
品種au資料長度2231均值0.0001074021979121701標準差0.012100456199756058方差0.00014642104024221482偏度-0.361814930575112峰度4.110915875328322
品種ag資料長度1209均值-0.0003262089978362889標準差0.014853094655086982方差0.00022061442083297348偏度-0.2248883178719188峰度4.296247290616826
品種rb資料長度1966均值-6.984154093694264e-05標準差0.013462363746262961方差0.00018123523763669528偏度0.07827546016742666峰度5.198115698123077
品種hc資料長度758均值-7.256339078572361e-05標準差0.01710980071993581方差0.000292745280675916偏度-0.08403481899486816峰度3.6250669416786323
品種bu資料長度864均值-0.0006258998207218544標準差0.01716581014361468方差0.0002946650378866246偏度-0.41242405508236435峰度2.437556911829674
品種ru資料長度4827均值5.17426767764321e-05標準差0.016747187916000945方差0.00028046830309384806偏度-0.1986573449586119峰度1.736876616149547
品種m9資料長度4058均值8.873778774208505e-05標準差0.012812626470272115方差0.0001641633970667177偏度-0.12119836197638824峰度2.159984922606264
品種y9資料長度2748均值4.985975458693667e-05標準差0.012855191360434762方差0.00016525594491339655偏度-0.33456507243405786峰度2.566586342814616
品種a9資料長度5392均值9.732600802295795e-05標準差0.010601259945310599方差0.00011238671242804687偏度-0.08768586026629852峰度3.898562231789457
品種p9資料長度2311均值-0.00021108840931287863標準差0.014588073181583774方差0.00021281187915124373偏度-0.2881364812318466峰度1.693401619226936
品種c9資料長度3075均值0.00010060972262212708標準差0.007206853641314312方差5.1938739407325355e-05偏度-5.204419912904765e-05峰6.074899127691497
品種cs資料長度573均值-0.0006465907683602394標準差0.011237570390237955方差0.00012628298827555283偏度0.10170996173895988峰度1.176384982024672
品種jd資料長度847均值-9.035290965408637e-05標準差0.01167344224455134方差0.00013626925383687581偏度-0.0682866825422671峰度2.0899893901516133
品種l9資料長度2370均值-0.00014710186232216803標準差0.014902467199956509方差0.00022208352864577958偏度-0.2105262196327885峰度1.8796065573836
品種v9資料長度1927均值-5.190379527562386e-05標準差0.010437020362123387方差0.00010893139403937818偏度-0.050531345744352064峰度3.47595007264211
品種pp資料長度773均值-0.0003789841804842144標準差0.01439578332841083方差0.00020723857763855122偏度0.05479337073436029峰度1.3397870170464232
品種j9資料長度1468均值-0.00021854062264841954標準差0.01639429047795793方差0.000268772760275662偏度-0.10048542944058193峰度5.156597958913997
品種jm資料長度997均值-0.00011645794468155402標準差0.01792430947223131方差0.000321280870056321偏度0.0010592028961588294峰度3.743159578760195
品種i9資料長度862均值-0.0007372124442033161標準差0.021187573227350754方差0.0004489132592643504偏度0.00014411506989559858峰度1.585951370650
品種sr資料長度2749均值0.00012213466321006727標準差0.012183745931527473方差0.00014844366492401223偏度-0.038613285961243735峰度2.520231613626
品種cf資料長度3142均值2.2008517526768612e-05標準差0.010657271857464626方差0.00011357744344390753偏度-0.034412876065561426峰度5.6421501855702
品種zc資料長度475均值0.00041282070613302206標準差0.015170141171075784方差0.00023013318315036853偏度-0.1393361750238265峰度1.2533894316392926
品種fg資料長度1068均值-1.57490340832121e-05標準差0.013148411070446203方差0.00017288071367743227偏度0.008980132282547534峰度1.9028507879273144
品種ta資料長度2518均值-0.00023122774877981512標準差0.013637519813532077方差0.00018598194666447998偏度-0.9126347458178135峰度10.954670464918
品種ma資料長度700均值-0.00024988691257348835標準差0.015328611435734359方差0.00023496632854772616偏度0.0164362832185746峰度1.1736088397060
品種oi資料長度1098均值-0.0004539513793265549標準差0.009589990427720812方差9.196791640377678e-05偏度-0.28987574371279706峰度3.871322266527967
品種rm資料長度1049均值1.458523923966432e-05標準差0.013432556545527753方差0.00018043357534880047偏度-0.053300026893851014峰度1.3938292783638
品種sm資料長度548均值-3.179600698107184e-05標準差0.020018458278106444方差0.00040073867183228846偏度-2.6734390275887647峰度31.533801188366837

#正態分佈的偏度應該是0，峰度是3，所以，不滿者這些的都是非標準正態分佈

以上這篇python 實現檢驗33品種資料是否是正態分佈就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。