描述性分析

描述性分析是社会调查统计分析的第一个步骤，对调查所得的大量数据资料进行初步的整理和归纳，以找出这些资料的内在规律。

描述性分析的核心：集中趋势、离散趋势

一、集中趋势

集中趋势，又被称为“数据的中心位置”。

它能够代表性的描述总体数据的某一特征。通常用平均数来反映数据的集中趋势。

注：这里的平均数，是一种描述集中趋势的指标。可以分为“数值平均数”和“位置平均数”

①数值平均数，即以往说的平均数，即“均值”；

#均值：.mean()函数，反应的是一组数据，在数量上的中心点
area_mean = df["建筑面积(平方)"].mean()

②位置平均数：指的是“中位数”。

#中位数：.median()函数，反应的是一组数据，在位置上的中心点
area_median = df["建筑面积(平方)"].median()

1、绘制直方图

直方图：用来展示数值数据数据分布的图表

#plt.hist(列数据,bins=区间数量)，bins参数可选
plt.hist(df["房源面积（平）"],bins=100)

注：与柱状图的区别：

直方图体现的是数据在各个区间的分布情况，而柱状图体现的是各个数据的变化趋势。

2、正态与偏态

正态：直方图左右对称，数据的均值、中位数都相等。

偏态：直接反映在中位数和均值的大小上。

右偏态：中位数<均值，均值被极端大的数据影响

左偏态：均值<中位数，均值被极端小的数据影响

二、离散趋势

能够代表性的描述每个数据，偏离中心值得特征。

通常用方差、标准差、四分位数来反映数据得离散趋势。方差、标准差越小，说明每一个数据距离均值得距离越近，即数据越集中

#.var()：求方差
area_var = df["建筑面积(平方)"].var()
#.std()：求标准差
area_std = df["建筑面积(平方)"].std()

1、四分位数

2、描述函数

describe()的输出结果，包含了均值、中位数、标准差、最大值最小值、四分位数等。

df.describe()

补充：函数类型：①float（浮点型） ②int（整型） ③bool（布尔型） ④datetime64[ns]（日期时间） ⑤timedelta[ns]（时间差） ⑥category（有限长度的文本值列表） ⑦object（文本）

#.astype():强制转换数据类型函数
#使用astype()函数将"所在区域"列的数据类型强制转化为分类型
df["所在区域"] = df["所在区域"].astype('category')

describe()函数：可对category类型的数据进行描述性统计，输出结果分别为：

①列非空元素的数目--count ②类别的数目--unique ③数目最多的类别--top ④数目最多的数目--freq

3、计数排序

value_counts()：对Series里面的每个值进行计数且排序。

#对每个区域进行计数并且默认按照从高到低排序。
df["所在区域"].value_counts()