在本实验中，我们将学习如何使用 Pandas DataFrame 的 kurtosis() 方法来计算数据集的峰度（kurtosis）。峰度是一种统计度量，用于描述分布的形状，特别是与正态分布相比，分布的尖峰或平坦程度。kurtosis() 方法返回 DataFrame 指定轴上的无偏峰度。
虚拟机启动完成后，点击左上角切换到 Notebook 选项卡，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟，直到 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，可以随时向 Labby 寻求帮助。请在实验结束后提供反馈，我们将及时为你解决问题。
首先，我们需要导入 pandas 库，它提供了 DataFrame 类。
import pandas as pd接下来，我们将使用 pd.DataFrame() 函数创建一个 DataFrame 对象。该函数接受一个字典作为输入，其中键是列名，值是表示每列数据的列表。例如：
df = pd.DataFrame({"A": [55, 60, 74, 50], "B": [30, 55, 40, 47], "C": [12, 55, 44, 66]})现在，我们可以使用 DataFrame 的 kurtosis() 方法来计算峰度。该方法接受多个可选参数，例如 axis、skipna、level 和 numeric_only，这些参数允许你控制计算方式。目前，我们将这些参数保留为默认值。
result = df.kurtosis()最后，我们可以打印结果以查看计算得到的峰度值。
print(result)在本实验中，我们学习了如何使用 Pandas DataFrame 的 kurtosis() 方法来计算数据集的峰度。我们导入了必要的库，创建了一个 DataFrame，计算了峰度，并打印了结果。峰度值可以帮助你了解数据的形状和分布。记得探索 kurtosis() 方法的各种参数，以便根据你的需求进一步自定义计算。