六、数据的基本统计描述

1.数据的基本统计描述

基本统计描述可以用来识别数据的性质，凸显哪些数据值应该视为噪声或离群点。

• 中心趋势度量 ：均值、中位数、众数和中列数；
• 度量数据散步：极差、四分位数、方差、标准差和四分位数极差；
• 数据的基本统计描述的图形显示：分为数图、直方图、散点图。

2 中心趋势度量

• 均值
  也就是度量数据分布的中部或中心位置。（给定一种属性，它的值大部分落在何处）

1. 数据集“中心”的最常用、最有效的数值度量是均值。
2. 均值对应于关系数据库系统提供的内置聚集函数 average（SQL 的 avg() ）

• 例子
  假设我们有salary的如下值（以千美元为单位），安递增次序显示：30，31，47，50，52，52，56，60，63，70，70，110。则工资的平均值为：
  
• 中位数
  中位数（Median）又称中值，统计学中的专有名词，是按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。
• 例子
  对于上面的例子，有12个观测数据，因此中位数不唯一。它可以是最中间两个值52和56中的任意值。根据约定，我们指定这两个最中间的值的平均值为中位数。
  
• 众数
  众数（Mode）是指在统计分布上具有明显集中趋势点的数值，代表数据的一般水平。 也是一组数据中出现次数最多的数值，有时众数在一组数中有好几个。用M表示。
• 例子
  对于上面例子中我们有两个众数，分别为52000美元和70000美元。
• 中列数
  中列数是指数据集的最大和最小值的平均值。
• 例子
  

3 度量数据的散步

• 极差、四分数和四分位数极差

1. 极差指的是最大值（max）与最小值（min）之差。
2. 分位数是取自数据分布的每隔一定间隔上的点，把数据划分成基本上大小相等的连贯集合。四分位数是3个数据点，它们把数据分布划分成4个相等的部分，使得每部分表示数据分布的四分之一。
3. 四分位数极差（IQR）指的是第3个四分位数和第1个四分位数两者之间的差：定义为：
   

• 例子
  假设salary的如下值（以千美元为单位），安递增次序显示：30，31，47，50，52，52，56，60，63，70，70，110。则工资的平均值为：

1. 极差=110000-30000=80000（美元）。
2. 四分位数：Q1=47000美元，Q2=52000美元，Q3=63000美元。
3. 四分位数极差：IQR=Q3-Q1=63000-47000=16000美元。

• 方差与标准差
  方差和标准差都是数据散步度量，它们指出数据分布的散步程度。标准差越小，就表明数据观测与平均值越越接近。
  数值属性X的N个观测值x1,x2,…,xn的方差是：
  
• 计算方法
  

4 图像显示

• 盒图
  箱形图（英文：Box plot），又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因型状如箱子而得名。
  
• 分位数图
  分位数图（quantile plot）是一种观察单变量数据分布的简单有效方法。
  
• 分位数-分位数图（qq图）
  分位数-分位数图或q-q图对着另一个对应的分位数，绘制一个单变量分布的分位数
  
• 直方图或频率直方图
  直方图是一种概况给定属性X的分布的图形方法。
  
• 散点图

1. 数据的相关性：正相关和负相关
   
2. 散点图是确定两个数值变量之间看上去是否存在联系、模式或趋势的最有效的图形方法之一。
   在这里插入图片描述

5 代码实战

5.1 用Numpy实现基本的统计函数

# *-* coding:utf-8 *-*
import numpy as np
ex1 = np.random.randint(0, 10, size=(1, 10))
print("ex1:", ex1)
# 求元素和
print("sum:", np.sum(ex1))
# 求元素的最小值
print("min:", np.min(ex1))
# 求最小值索引
print("min index:", np.argmin(ex1))
# 求最大值
print("max:", np.max(ex1))  # 求最大值
# 求最大值索引
print("max index:", np.argmax(ex1))  # 求最大值索引
# 求平均值
print("avg:", np.mean(ex1))  # 求平均值
print("avg：", ex1.mean())
# 求中位数
print("中位数：", np.median(ex1))  # 求中位数
# 求方差
print("方差：", np.var(ex1))
# 求标准差
print("标准差：", np.std(ex1))
# 求极差，最大值与最小值的差
print("全距:", np.ptp(ex1))
print("方差：", np.var(ex1))
# 求标准差
print("标准差：", np.std(ex1))
# 求极差，最大值与最小值的差
print("全距:", np.ptp(ex1))