描述性统计分析

数据分析之前，需先明确变量的度量类型。变量的度量类型主要分三种：名义、等级、连续；

1、名义变量：如饮料类型；

1.1 描述名义变量的分布：频数表、柱形图

2、等级变量：如饮料包装大小；

 

3、连续变量：饮料的体积（比例数据）、饮料的温度（间隔数据）

3.1 描述连续变量的分布 ：直方图

        3.1.1 需要对变量进行分布探索，并了解以下情况：

    

        直方图：常用于了解数据的分布形状；

                      一般情况下，横轴为连续变量的分段进行等宽离散后的值，纵轴为频次；

        描述连续变量的分布形态：偏度与峰度

        3.1.2 常见连续分布

            

            

            这种类型的分布在取对数之后服从正态分布；因此，在精确度要求并不严格的统计分析中，经常在对偏态分布进行对数转换。

3.2 连续数据的位置

    3.2.1 中心的度量：均值：所有数值加总后除以数量

                                中位数：按大小排序后中间那个取值（50%分位数）

                                众数：出现频率最多的取值

 

              盒须图能够提供某变量分布以及异常的信息，其通过分位数来概括某变量的分布信息从而比较不同变量的分布。

              盒须图的基本元素：

              IQR：变量上下四分位数之间的数据，这个范围代表了数据中间50%的数据。

              1.5IQR：上下1.5IQR表示上下1.5倍IQR范围的数据，其能够提供中位数左右95%的置信区间的数据。

                             可以直观的从盒须图中看出超出95%置信区间范围的数据，即异常值。

              不同变量的盒须图比较时，可通过中位数位置来比较两变量数据的中位数差异状况。

             众数、中位数与平均数的关系：

        

    3.2.2 数据的离散程度：级差、四分位差、平均绝对偏差、方差和标准差

            级差（range）= 最大值 - 最小值

            四分位差（IQR）= 上分位数 - 下分位数

            

4、描述统计方法

       4.1 分类变量

        4.1.1 单因子频数，三种描述方法

        频次表

data.district.value_counts()

        垂直条形图

data.district.value_counts().plot(kind='bar')

        饼图

data.district.value_counts().plot(kind='pie')

              

          4.1.2 两分类变量：

        表分析

pd.crosstab(data.district,data.school)

        直方图

pd.crosstab(data.district,data.school).plot(kind='bar')

          

         4.2 连续变量

        4.2.1单连续变量

        连续变量统计量

data.price.agg(['mean','median','sum','std','skew'])

        直方图

data.price.hist(bins = 20)

          

         4.2.2 一分类变量 + 一连续变量

        分类汇总

data.price.groupby(data.district).sum()

        盒须图（box-plot）：常用于多组数据分布的比较

data.boxplot(x='district',y='price',data=data)

          

        4.2.3 两分类变量 + 一连续变量

        汇总表

data.pivot_table(values='price',index='district',columns='school',aggfunc=np.mean)

             

        4.2.3 两连续变量

        散点图

data.plot.scatter(x='AREA',y='price')

             

            4.2.4 时间与两个连续变量

    

        4.3 关联性不同的图表

       

        4.4 图像展示步骤

            1、明确要表达的信息

            2、确定相对关系

            3、选择图表形式