数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,将它们加以汇总和理解并消化,以求最大化地开发数据的功能,发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
要更好地进行数据分析,必须练好基本功,掌握常用的统计学指标。下面,让我们看看 Python 对统计计算的支持吧。
在 Python 标准库中,有专门的 数学统计函数 ,就在 statistics 模块里面。该模块提供了用于计算数字 (Real-valued) 数据的数理统计量的函数。
此模块并不是诸如 NumPy , SciPy 等第三方库或者诸如 Minitab , SAS , Matlab 等针对专业统计学家的专有全功能统计软件包的竞品。此模块针对图形和科学计算器的水平。
要使用 statistics 模块,需要先进行导入:import statistics as stats
。
现在,开始吧!( 非统计学相关专业,记得留意其方法名称, 例如算术平均数为什么是 mean
而不是 average 。譬如应用心理学专业也必须学习统计学知识。)
集中趋势
集中趋势又称“数据的中心位置”、“集中量数”等。它是一组数据的代表值。集中趋势的概念就是平均数的概念,它能够对总体的某一特征具有代表性,表明所研究的舆论现象在一定时间、空间条件下的共同性质和一般水平。就变量数列而言,由于整个变量数列是以平均数为中心而上下波动的,所以平均数反映了总体分布的集中趋势,它是表明总体分布的一个重要特征值。根据变量数列的平均数,就可以了解所研究总体的集中趋势和一般特征。集中趋势是用来描述舆论现象的重要统计分析指标,常用的有平均数、中位数和众数等,它们在不同类型的分布数列中有不同的测定方法。