【Python 数据分析】描述性统计：平均数（均值）、方差、标准差、极大值、极小值、中位数、百分位数、用箱型图表示分位数

简述 / 前言

前面讲了数据分析中的第一步：数据预处理，下面就是数据分析的其中一个重头戏：描述性统计，具体内容为：平均数（均值）、方差、标准差、极大值、极小值、中位数、百分位数、用箱型图表示分位数。

1. 平均数（均值）、方差、标准差、极大值、极小值

关键方法	含义
.mean()	求均值
.var()	求方差
.std()	求标准差
.max()	求极大值
.min()	求极小值

示例：

import pandas as pd
import numpy as np
import math

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')

# num列的平均值
print(f"列num的平均值（均值）为：{df['num'].mean()}")
# num列的方差
print(f"列num的方差为：{df['num'].var()}")
# num列的标准差（方法一）
print(f"列num的标准差（方法一）为：{df['num'].std()}")
# num列的标准差（方法二）
print(f"列num的标准差（方法二）为：{math.sqrt(df['num'].var())}")
# num列的极大值
print(f"列num的极大值为：{df['num'].max()}")
# num列的极小值
print(f"列num的极小值为：{df['num'].min()}")

输出：

        num
0  5.880145
1  6.991087
2  1.881520
3  0.438086
4  2.050190
5  1.060629
6  7.272401
7  6.794005
8  4.738457
9  4.482958 

列num的平均值为：4.158947812331025
列num的方差为：6.793267492129306
列num的标准差（方法一）为：2.6063897429450775
列num的标准差（方法二）为：2.6063897429450775
列num的极大值为：7.2724014368445475
列num的极小值为：0.43808563746864815

2. 中位数

关键方法：.median()

示例：

import pandas as pd
import numpy as np

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')

# num列的中位数
print(f"列num的中位数为：{df['num'].median()}")

输出：

        num
0  5.880145
1  6.991087
2  1.881520
3  0.438086
4  2.050190
5  1.060629
6  7.272401
7  6.794005
8  4.738457
9  4.482958 

列num的中位数为：4.610707639442616

3. 百分位数

关键方法：.quantile(q=0.5, interpolation="linear")，各参数含义如下：

参数	含义
q	要计算的分位数，取值范围为：[0, 1]，常取：0.25, 0.5(默认值), 0.75
interpolation	插值类型，可以选：linear(默认值), lower, higher, midpoint, nearest

示例：

import pandas as pd
import numpy as np

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')

# num列的下分位数（25%）
print(f"列num的下分位数（25%）为：{df['num'].quantile(0.25)}")
# num列的中位数（50%）
print(f"列num的中位数（50%）为：{df['num'].quantile(0.50)}")
# num列的上分位数（75%）
print(f"列num的上分位数（75%）为：{df['num'].quantile(0.75)}")

# 或者
print(f"\n列num的分位数（25%、50%、75%）为：\n{df['num'].quantile([.25, .5, .75])}")

输出：

        num
0  5.880145
1  6.991087
2  1.881520
3  0.438086
4  2.050190
5  1.060629
6  7.272401
7  6.794005
8  4.738457
9  4.482958 

列num的下分位数（25%）为：1.9236870812745168
列num的中位数（50%）为：4.610707639442616
列num的上分位数（75%）为：6.565540223677057

列num的分位数（25%、50%、75%）为：
0.25    1.923687
0.50    4.610708
0.75    6.565540
Name: num, dtype: float64

4. 用箱型图表示分位数

关键方法：df['column']..plot.box()

一般写法：df['column'].plot.box(patch_artist=True, notch=True, color=color, figsize=(8, 6))，各参数含义如下：

参数	含义
patch_artist	箱型图是否需要填充颜色（True：填充颜色；False：不填充颜色，只保留边缘颜色）
notch	是否用凹进的方式显示中位数(50%)（True：中位数用凹进的方式表示；False：中位数用一条线段表示）
color	箱型图的颜色
figsize	图片大小

示例【patch_artist 和 notch 都为 True】：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]

df['num'].plot.box(patch_artist=True, notch=True, color='green', figsize=(8, 6))  # 绘制箱状图
plt.show()

输出：

示例【patch_artist 和 notch 都为 False】：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]

df['num'].plot.box(patch_artist=False, notch=False, color='green', figsize=(8, 6))  # 绘制箱状图
plt.show()

输出：

从这个箱型图可以很清晰的看出样本数据的极小值和极大值，以及上分位数（75%），中位数（50%）和下分位数（25%）。

除了上面那种写法，还有下面这种写法：df.plot.box(column=column, patch_artist=True, notch=True, color=color, figsize=(8, 6))，就是把 column 放到 box 方法里面。

那么上述代码可以改为：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2024)

df = pd.DataFrame(columns=['num'])  # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]

# df['num'].plot.box(patch_artist=False, notch=False, color='green', figsize=(8, 6))  # 绘制箱状图
# 或者
df.plot.box(column='num', patch_artist=False, notch=False, color='green', figsize=(8, 6))  # 绘制箱状图
plt.show()

输出的结果是一样的~