快速认知数据的详细步骤（三）

感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

本文作者：天善智能社区专家胡晨川

天善智能社区地址：https://www.hellobi.com/

初步认知数据分布

拿到一个数据集，你先检查了数据源的质量，然后通过数据清洗提升了数据集的质量，再通过平均数的计算了解了数据集大小的一般水平，接着又通过方差和标准差了解了波动变化。经过这一系列的操作，你对数据有了一定的认知。但这就够了吗？答案是否定的。在数据的快速认知中，我们还需要对数据分布进行探索。这部分工作比较难理解，但若能掌握，往往能帮助你快速做出决策。

要认知一个数据序列的分布如何，首先我们要计算最大值、最小值、中位数、算术平均数、75％分位数和25％分位数。如下图，我们沿用了上一小节的例子，计算了川术公司7月份和8月份每日业绩数据的相关指标。从表格中，我们可以看到，8月份的最大值明显高于7月份，而最小值明显低于7月份，说明8月份的数据相比7月份更为“分散”。我们将最大值减去最小值所算得的数字称为“全距”。全距部分反映了数据点的分散情况。为什么说是部分反映呢？若一个数据序列的最大值特别大，最小值特别小，而其他数值却非常接近，那么全距就不能真实反映这个数据序列的离散情况了。那么这个时候需要怎么衡量？我们需要百分位数。

所谓的百分位数，即将数据升序排列后，具体数据值的序号除以数据值的总数，所得出的百分比，即该数据值所对应的百分位数。比如，有一个数据序列（1,2,2,3,4,4,5,6,8,10），按升序排列后，数字6排在这个序列的第8位，那么这个数据序列的80%分位数就是6。我们最为常用的是25%分位数和75%分位数，称为四分卫数。而两个四分位数的差（四分卫差），与全距一起使用，就能比较准确的判断数据序列的离散情况。中位数即50%分位数。你可以用PERCENTILE()函数试着计算一下下图中的两个四分卫差，看看结论如何？

数据序列的离散度与波动性是存在关系的，往往序