数据分析常用术语

1.数据的集中趋势

1.1平均数

• 算术平均数

  • average(X1 + X2 + Xn)

• 几何平均数

  • power(X1 * X2 * Xn, 1/n)

1.2中位数

• 升序或降序排列后位于中间位置的数值

1.3众数

• 出现的频次最多的数值

2.数据的离散程度

2.1最大值

• 上限

2.2最小值

• 下限

2.3极差（全距）

• 最大值-最小值

• 极差越大，离散程度越大

2.4方差

• 每个观测值与均值的差的平方和，除以观测量

• 方差越大，越不稳定，波动越大

• 方差越小，越稳定，波动越小

2.5标准差

• 方差的平方根

• 标准差越大，越不稳定，波动越大

• 标准差越小，越稳定，波动越小

3.数据的分布形态

3.1偏度（Skewness）

• 衡量一组数据分布形状的对称程度

• 当偏度=0时，分布呈对称的

• 当偏度>0时，分布呈正偏态（右偏，长尾在右侧）

• 当偏度<0时，分布呈负偏态（左偏，长尾在左侧）

3.2峰度（Kurtosis）

• 衡量一组数据分布形状的高低程度

• 当峰度=0时，分布形态为正态峰

• 当峰度>0时，分布形态为尖顶峰（高）

• 当峰度<0时，分布形态为平顶峰（低）

4.四分位数

最大值（100%位置的数值）

上枢纽/上四分位数（Q3，75%位置的数值）

中位数（Q2，50%位置的数值）

下枢纽/下四分位数（Q1，25%位置的数值）

最小值（0%位置的数值）

四分位距（IQR，Q3-Q1）

5.百分位数

百分之K位置的数值

6.协方差

6.1描述变量之间的关系（相关性类别）

• 两组数值中每对变量的偏差乘积的平均值

• 协方差>0，Y随着X变大而变大，同向变化关系，正相关

• 协方差<0，Y随着X变大而变小，反向变化关系，负相关

• 协方差=0，Y与X无趋势关系，无相关

7.相关系数

7.1描述变量之间的关系（相关性程度）

• r>0，正相关

• r<0，负相关

• r=0，无相关

• |r|=1，完全相关

• 0<|r|<1 |r|越接近1，相关性越强 |r|越接近0，相关性越弱

  • [0.8, 1)，极强相关

  • [0.6, 0.8)，强相关

  • [0.4, 0.6)，中度相关

  • [0.2, 0.4)，弱相关

  • (0, 0.2)，极弱相关

8.变异系数

又称离散系数，对比两组数据的离散程度大小

标准差/平均值

9.绝对数与相对数

绝对数（数量）：如销售额，毛利额，用户量等

相对数（质量）：比数/基数，如留存率、转化率、利润率等

10.百分比与百分点

上升10%

上升10个百分点

11.频数与频率

某事物出现的次数，绝对数

某事物出现的次数/总次数，相对数

12.比例与比率

60%

3:5

13.倍数与番数

1+n（增n倍）

2^n（翻n番）

14.横比与纵比

横比：同一时期不同事物的比较

纵比：同一事物不同时期的比较

15.同比、环比、定比

同比，如今年6月与去年6月的比较

环比，如本月与上月的比较

定比：比较值与固定值的比较

16.量化指标

16.1时量

• 衡量事物某种状态的持续时长，如邮寄天数、贷款逾期天数

16.2数量

• 衡量事物的规模大小，如销售额、利润额、人数等

16.3质量

• 衡量事物的质量好坏，如留存率、合格率、转化率、利润率等

17.变量尺度

17.1定性（离散值，维度）

• 定类：如省份、性别等

• 定序：如初级分析师、高级分析师等

17.2定量（连续值，度量）

• 定距：数值，没有绝对零值，可加减运算，不可乘除运算，如温度

• 定比：数值，有绝对零值，可加减运算，也可乘除运算，如身高、体重

18.数据规范化（归一化）

18.1最小-最大值规范化（Min-max）

• 又称离散标准化，将数组中的数值映射到[0, 1]之间，含0和1

• (观测值-最小值)/(最大值-最小值)

•  

18.2零-均值规范化（Z-score）

• 又称标准差标准化，调整数组的均值为0，标准差为1

• (观测值-平均值)/标准差

•  

18.3小数定标规范化（Decimal scaling）

• 移动小数点的位数，将数组中的数值映射到(-1, 1)之间，不含-1和1

• 移动的小数点位数取决于数组中绝对值最大的数值，其整数部分的位数（k）

• 观测值/10^k

•