一篇python数据分析以及详细描述性统计

在数据分析中,描述性统计是理解数据的重要工具.它为我们提供了数据的基本特征,以及数据趋势、分布和变异的概述.描述性统计通常是数据分析工作流程中的第一步,帮助我们在深入分析之前,对数据有一个初步了解.如果你还记得上一篇关于数据清洗与处理的内容,经过清洗后,我们的数据现在应该是整洁的、可以直接进入分析阶段了.

描述性统计的概念

描述性统计主要包括集中趋势和离散程度两个方面.我们通常使用以下几种指标来描述数据：

1. 均值（Mean）: 数据的算术平均值,公式为：

中位数（Median）: 将数据集从小到大排列后,位于中央的值.

众数（Mode）: 数据集中出现频率最高的数值.

方差（Variance）和标准差（Standard Deviation）: 分别衡量数据分散程度的指标.方差的公式为：

1. 极值（Minimum and Maximum）: 数据集中最小和最大的值.

2. 四分位数（Quartiles）: 将数据分为四部分的重要数值,其中包括第一四分位数（Q1）、中位数（Q2）和第三四分位数（Q3）.

在接下来的部分,我们将通过使用Python和Pandas库来实现这些统计量的计算.

使用Python和Pandas计算描述性统计

让我们用一个简单的例子来说明如何通过Pandas库来进行描述性统计.假设我们有一个关于学生成绩的简单数据集：

import pandas as pd

# 创建一个数据框
data = {
    '学生': ['小明', '小红', '小刚', '小丽', '小华'],
    '成绩': [88, 92, 79, 85, 95]
}

df = pd.DataFrame(data)

在这个数据框中,我们有五个学生和他们对应的成绩.接下来,我们可以使用Pandas的describe()方法来获取描述性统计信息.

# 计算描述性统计
stats = df['成绩'].describe()
print(stats)

执行上面的代码输出如下结果：

count    5.000000
mean    87.800000
std     6.157052
min     79.000000
25%     85.000000
50%     88.000000
75%     91.000000
max     95.000000
Name: 成绩, dtype: float64

这里的输出包括：

• count: 数据数量

• mean: 平均成绩

• std: 标准差

• min: 最低成绩

• 25%, 50%, 75%: 分别代表第一四分位数、中位数、第三四分位数

• max: 最高成绩

可以看到,describe()方法会自动计算出多种描述性统计量,方便我们快速分析数据.

聚焦集中趋势与离散程度

接下来,我们来单独计算集中趋势和离散程度的具体数值.如果我们希望单独计算均值、中位数和模式,我们可以使用如下代码：

mean = df['成绩'].mean()
median = df['成绩'].median()
mode = df['成绩'].mode()[0]  # mode()返回多个值，取第一个

print(f'均值: {mean}, 中位数: {median}, 众数: {mode}')

执行后输出：

均值: 87.8, 中位数: 88.0, 众数: 79

接下来,我们计算方差和标准差：

variance = df['成绩'].var()
std_dev = df['成绩'].std()

print(f'方差: {variance}, 标准差: {std_dev}')

输出结果如下：

方差: 37.5, 标准差: 6.157052

结论

在本节中,我们讨论了描述性统计的基本概念,以及如何使用Pandas库进行数据的描述性统计分析.通过这个分析,我们可以快速理解数据的集中趋势和离散程度.掌握了这些基本统计量后,我们可以为更加深入的分析打下良好的基础.

感谢大家的关注和支持!想了解更多编程精彩知识内容,请关注我的微信公众号:Python小胡子,有最新最前沿的的知识和人工智能AI与大家共享,同时,如果你觉得这篇文章对你有帮助,不妨点个赞,并点击关注.动动你发财的手,万分感谢!!!

原创文章不易,求点赞、在看、转发或留言,这样对我创作下一个精美文章会有莫大的动力！