Anscombe‘s Quartet 问题

      今天在进行可视化工作的时候遇上了一个名词， Anscombe's Quartet，不是很了解具体指的是什么就去WIKI百科里面查了一下，具体的链接在这里。

       针对这个问题又查了一些资料汇总如下：

       1973年，统计学家F.J. Anscombe构造出了四组奇特的数据。它告诉人们，在分析数据之前，描绘数据所对应的图像有多么的重要。这四组数据中，x值的平均数都是9.0，y值的平均数都是7.5；x值的方差都是10.0，y值的方差都是3.75；它们的相关度都是0.816，线性回归线都是y=3+0.5x。单从这些统计数字上看来，四组数据所反映出的实际情况非常相近，而事实上，这四组数据有着天壤之别。这四组数据如下所示：

                                                 
     把它们描绘在图表中，你会发现这四组数据是四种完全不同的情况。第一组数据是大多人看到上述统计数字的第一反应，是最“正常”的一组数据；第二组数据所反映的事实上是一个精确的二次函数关系，只是在错误地应用了线性模型后，各项统计数字与第一组数据恰好都相同；第三组数据描述的是一个精确的线性关系，只是这里面有一个异常值，它导致了上述各个统计数字，尤其是相关度值的偏差；第四组数据则是一个更极端的例子，其异常值导致了平均数、方差、相关度、线性回归线等所有统计数字全部发生偏差。

      这四组数据绘制散点对比图如下图所示：

                                               
      这个问题就是要告诉我们了解原始数据的分布时多么重要的一件事，做数据分析绝不仅仅是基于统计的手段去计算和分析，可是化工具对于数据分析能够起到很大的辅助作用。

      说到可视化，也正是今天在做的事情，这里给大家安利一个有趣同时功能强大的库 yellowbrick，地址在这里。这个库提供了很多实用的功能，当然也包括了今天要了解学习的Anscombe's Quartet问题，实践起来非常地简单，具体如下：

#Anscombe's Quartet 问题
import yellowbrick as yb
import matplotlib.pyplot as plt
g = yb.anscombe()
plt.savefig('anscombe.png')

      anscombe.png如下图所示：

       学习了！