引言
上一节,我们谈了数据可视化,并且用python
代码对图像进行了简单的实现。但是,这仅仅使得我们对数据分布的形状和特征有了一个大概的了解。想要全面了解数据分布的特征,还需要找到反应数据分布特征的各个代表值。数据分布的特征可以从三个方面进行测度和描述:1、
分布的集中趋势,反应各数据向其中心值靠拢或聚集的程度;2、
分布的离散程度,反应各数据远离其中心值的趋势;3、
分布的形状,反应数据分布的偏态和峰态。
集中趋势度量
集中趋势是指一组数据向某一中心值靠拢的程度,它反应了一组数据中心的位置所在。
众数:是一组数据中出现次数最多的变量值,不受数据中极端值的影响。如果数据的分布没有明显的集中趋势或最高峰点,众数可能不存在;如果有两个或多个最高峰点,则可以有两个或多个高峰点,则可以有两个或多个众数。
中位数:是一组数据排序后处于中间位置上的变量值。中位数主要用于测度顺序数据的集中趋势,也适用于测度数值型数据的集中趋势,但不适用于分类数据。
平均数:是一组数据相加后除以数据的个数得到的结果。
离散程度的测量
数据的离散程度是数据分布的另一个重要特征,它反映的是各变量值离其中心值的程度。数据的离散程度越大