快学数据挖掘—数据探索—分布分析和统计量分析

分布分析

---

揭示数据的分布特征和分布类型

• 定量数据：频率分析、频率分布表、直方图、茎叶图
• 定性数据：饼图、条形图

统计量分析

---

用统计学指标对定量数据进行描述性分析，例如均值，中位数，众数；极差，标准差，四分位数间距等。

定量数据的分布分析

---

下面使用SPSS进行频率分析，分析菜品捞起生鱼片在2014年第二个季度的销售数据，绘制销售量的频率分布图，对销售量进行分布分析。

数据集

catering_fish_congee.xls

数据集下载地址

参数设置

分析结果

分箱区间宽度设置为400，如下

Python程序

#coding: utf-8

import matplotlib.pyplot as plt
from numpy import nan as NA
import pandas as pd

# 读取数据源
xlsFilename = "catering_fish_congee.xls"
df = pd.read_excel(xlsFilename)

# 获得销售额列
dfSalesAmount = df.iloc[:,1]


########################################################
# 统计量分析
# 均值
mean_ = dfSalesAmount.mean()

# 中位数
median_ = dfSalesAmount.median()

# 众数
mode_ = dfSalesAmount.mode()

# 极差
range_ = dfSalesAmount.max() - dfSalesAmount.min()

# 标准差
std_ = dfSalesAmount.std()

# 四分位数区间
distance_ = dfSalesAmount.quantile(0.75) - dfSalesAmount.quantile(0.25)

print ("销售量均值: {0:.2f}".format(mean_))
print ("销售量中位数: {0:.2f}".format(median_))
print ("销售量众数: {}".format(mode_))
print ("销售量极差: {}".format(range_))
print ("销售量标准差: {0:.2f}".format(std_))
print ("销售量四分位数区间: {0:.2f}".format(distance_))

print (df.describe())

结果
销售量均值: 1241.33
销售量中位数: 900.00
销售量众数: 0    420
dtype: int64
销售量极差: 3915
销售量标准差: 941.32
销售量四分位数区间: 1372.50
               420
count    90.000000
mean   1241.333333
std     941.317843
min      45.000000
25%     420.000000
50%     900.000000
75%    1792.500000
max    3960.000000

定性数据的分布分析

数据集

catering_dish_profit.xls

数据集下载地址

菜品ID	菜品名	盈利
17148	A1	9173
17154	A2	5729
109	A3	4811
117	A4	3594
17151	A5	3195
14	A6	3026
2868	A7	2378
397	A8	1970
88	A9	1877
426	A10	1782