一、数据的描述分析
1.基本统计量
python提供了很多对数据进行分析的函数,描述统计量函数describe()可对数据做一基本描述,默认是分析计量数据的基本统计量。
ppython对变量进行基本统计分析的函数:
计数数据 | 用途 |
---|---|
value_counts() | 一维频数表 |
crossstab() | 二维列联表 |
pivot_table() | 多维透视表 |
mean() | 均值 |
median() | 中位数 |
quantile() | 分位数 |
std() | 标准差 |
1.1计数数据的汇总分析
统计学中把取值返回是有限个值或一个数列的变量成为离散变量,其中表示分类情况的数据又称为计数数据。
-
频数:绝对数
python中的.value.counts()函数可对计数数据计算频数。
这是性别变量的频数分析,说明在52名学生中有男生27人,女生25人。 -
频率:相对数
这是性别的频率分析,说明在52名学生中男生占51.92%、女生占48.08%。
1.2计量数据的汇总分析
对于数值型数据,经常要分析它的集中趋势和离散程度。用来描述集中趋势的统计量主要有均值、中位数;描述离散程度的统计量主要有方差、标准差。Python中只需要一个函数就可以简单地得到这些结果。
计算均值、中位数、方差、表混插的函数分别是mean()、median()、var()、std()。
1.2.1均数(算术平均数)
均数指一组数据的和初一这组数据的个数所得到的商,它反映了一组数据的总体水平。对于正态分布数据,通常计算其均数,来表示其集中趋势或平均水平。
1.2.2中位数
中位数是将一组数据按大小顺序排列,处于中间位置的一个数据(或中间两个数据的平均值)它反映了一组数据的集中趋势。对非正态分布数据,通常计算其红煨熟来表示其平均水平。
1.2.3极差
极差是一组数据中最大数据与最小数据的差,在统计中常用极差来刻画一组数据的离散程度,它反映的是变量分布的变异范围和离散程度,在总体中任何两个单位的数值之差都不能超过极差。
1.2.4方差
方差是个数据与平均数据的平方的均数,它表示数据离散程度和数据的波动大小。
1.2.5标准差
标准差是方差的算术平方根,作用等同于方差,但单位与源数据单位是一致的。对正态分布数据,通常计算其标准差来反映其变异水平。。
方差或标准差,是表示一组数据的波动性的指标,因此,通过方差或标准差可以判断一组数据的稳定性;方差或标准差越大,数据越不稳定;方差或标准差越小。数据越稳定。
1.2.6四分位数间距(IQR)
对非正态分布数据,通常计算其四分位数间距来反映其变异水平:IQR=Q3-Q1,其中,Q3和Q1分别为数据的第3分位数和第1分位数(或称75%和25%分位数)。python提供了函数quantile(),可对计量数据计算分位数。
1.2.7偏度(skew)
偏度是描述数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征。偏度亦称偏态、偏态系数,是表征概率分布密度曲线相对于均值不对称程度的特征数或特征量。主管看来就是密度函数曲线尾部的相对长度。
1.2.8峰度(kurt)
峰度与偏度类似,是描述总体中所有取值分布形态陡缓程度的统计量。
1.2.9自编计算基本统计量函数
def stats(x):
stat=[x.count(),x.min