描述性数据汇总---提供数据总体行为，有助于识别噪声和离群点

一.度量数据的中心趋势（均值mean、中位数median、众数mode、中列数midrange）

在完全对称的数据分布单峰曲线mean=media=mode

1.均值mean

对应于关系型数据库内部的聚集函数avg(),avg()=sum()/count()是一种代数度量sum()和count()是分布式度量（将数据划分成较小数据集后度量）

加权平均

2.中位数media（由于计算中位数需要进行整体度量，开销太大，计算近似中位数算法）假定把数据集划分成区间，并指导每个区间的频率（个数），令包含中位数频率的区间为中位数区间有

L1为中位数区间的下界，N为整个数据集的个数，为中位数以前的频率的和为中位数区间的频率 为在中位数区间的宽度

3.众数mode=3*media-2*mean（对于适度倾斜的单峰曲线）

4.中列数midrange=max-min

二.度量数据的离散趋势（极差range，五数概括five-number summary，中间四分位数极差interquartile  range,IQR,方差variance）

1.极差range=max-min

2.五数概括【minimum,Q1,media,Q3,maximum】

3.中间四分位数极差IQR=Q3-Q1

4.方差和标准差

三.描述数据汇总的图形显示

1.直方图（条形图）

2.分位数图quantile plot（显示所有数据允许用户评估总的情况和不寻常出现）

Xi（i=1......N）是安递增排列的数据

令 Fi=(i-0.5)/N

画（Xi,Fi）图像 

3.分位数-分位数图/q-q图

Xi（i=1......N）是安递增排列的数据

Yi（i=1......N）是安递增排列的数据

令 Fi=(i-0.5)/N

画（Xi,Yi）图像 

4.散布图（scatter plot确定俩个数据属性看上去是否有联系、模式或趋势）散布图矩阵 解决n个属性问题

画（x，y）

5.loess曲线 在散布图中添加一条光滑曲线（需要设置俩参数--光滑参数阿拉法，被回归拟合的多项式的次数辣么大，阿拉法在0.25到1之间，辣么大在1或2，阿拉法越大，曲线越光滑）