CDA打卡活动-统计学极简入门1-4.2

课时2. 描述性统计

描述一组数据时，通常从三个方面进行描述：集中趋势、离散趋势、分布形状

1. 集中趋势：平均数、中位数、众数

2. 离散趋势：分位数、方差、标准差、变异系数

3. 分布形状：偏度、峰度

平均数

（1）算术平均数：适合数值型数据

=average()——Excel

np.mean()

（2）几何平均数：常用于求几个连续时期平均变化率，适合比例型数据

=geomean() ——Excel

from scipy import stats as sts

sts.gmean(data)

（3）调和平均数：n个数的倒数的算术平均数的倒数，即“双倒数”，用于求平均速度

=harmean()——Excel

from scipy import stats as sts

sts.hmean(data)

三者的大小排序：算术平均值>=集合平均值>=调和平均值

中位数：

=median()

np.median()

众数：

=mode()

from scipy import stats as sts

sts.mode(data)

分位数：

在Excel中，=quartile(A1:A8,1)，括号里的参数，0代表最小值，1代表25%分位数，2代表50%分位数，3代表75%分位数，4代表最大值。

from scipy import stats as sts

sts.scoreatpercentile(data,25) # 25分位数

sts.scoreatpercentile(data,75) # 75分位数

使用四分位数可以绘制箱线图

import seaborn as sns

sns.boxplot(data=data)

箱线图可以很直观地看到数据的最大值、最小值，以及大部分数据集中在什么区间

（1）极差又称范围误差或全距，是指一组数据中最大值与最小值的差。

Python求极差：np.ptp(data)

（2）四分位距：上四分位数与下四分位数之差，一般由IQR表示

Excel求四分位距=quartile(A1:A8,3)-quartile(A1:A8,1)

Python求四分位距：

from scipy import stats as sts

print( sts.scoreatpercentile(data,75) - sts.scoreatpercentile(data,25) )

（3）方差：=var()

from scipy import stats as sts

sts.tvar(data, ddof=1)) # ddof=1时，分母为n-1；ddof=0时，分母为n

（4）标准差：=stdev()

from scipy import stats as sts

sts.tstd(data, ddof=1)) # ddof=1时，分母为n-1；ddof=0时，分母为n

（5）变异系数/离散系数：标准差与算术平均数的比率，=stdev/average

（1）偏度：SK，衡量分布的偏斜程度

=SKEW()

from scipy import stats as sts

sts.skew(data, bias=False) #bias=False代表计算的是总体偏度，bias=True代表计算的是样本偏度

（2）峰度：K，描述分布在集中趋势高峰的状态，通常与标准正态分布相比较。

K>0，尖峰分布；K<0，平峰分布。

=KURT()

from scipy import stats as sts

sts.skew(data, bias=False) #bias=False代表计算的是总体偏度，bias=True代表计算的是样本偏度