数据统计入门之一

当我们拿到一组数据之后，我们如何来了解数据的基本信息呢，在统计学上，除了使用图表的方式外，还可以通过找到能反应数据分布的特征值来做这件事请。数据的分布特征，大致可以从一下三个方面进行度量：集中趋势；离散程度；分布形状。

集中趋势度量

众数 $M_0$

众数是一组数据中出现次数最多的数据，用$M_0$表示。主要用于度量分类数据的集中趋势

import numpy as np 
import pandas as pd
%matplotlib inline

# category
categories = ['Very satisfied', 'Satisfied', 'Neutral', 'Dissatisfied', 'Very dissatisfied']
# 使用numpy来模拟生成一份满意度调查问卷，总计１００份问卷
questionnaire = pd.Series(np.random.choice(categories, 100, p=[0.2, 0.5, 0.1, 0.1, 0.1]))

questionnaire.describe()

count 100 unique 5 top Satisfied freq 49 dtype: object 可以看出调查问卷中最多的人选择的是’满意‘

questionnaire.value_counts(sort=False).plot(kind='bar', rot=45, grid=True)


中位数和分位数

对于顺序数据来说，可以通过分位数来观测数据的集中趋势，其中比较中有的有中位数和四分位数，分位数一个主要的有点是不受极值的影响。

s = pd.Series(np.random.rand(10), name='A')
s.describe()

count 10.000000 mean 0.649277 std 0.310228 min 0.018317 25% 0.449891 50% 0.803827 75% 0.880789 max 0.913599 Name: A, dtype: float64 可以从统计描述中看出极大值，极小值，中位数，四分位数

s.plot.box(grid=True, ylim=[0,1])

 从上面的线箱图可以看出数据的集中趋势

平均数 $\overline{x}$

对于数值型数据来说，平均数是数据统计的基础，数据的方差标准差等度量都是基于平均数来计算的。
简单平均数的计算公式：

$$\frac{{\sum_{i=1}^n}{x_i}}{n}$$
对于分组数据来说，计算平均值可以使用加权平均数计算公式： $$\frac{\sum_{i=1}^n{M_if_i}}{n}$$
还有一种特殊的平均数，叫做几何平均数，主要用于计算平均比率，应当注意的是，数据中出现负值跟零值时，不能使用几何平均数，计算公式如下：

G=∏i=1nxi−