7-5 统计字符_利用python对数据进行描述性统计分析-以鸢尾花数据集为例

利用python对数据进行描述性统计分析-以鸢尾花数据集为例

学习前准备

• 下载Anaconda软件

主题

主要讲述数据分析中，数理统计基础中的描述性统计知识和python中的实现。

知识要点

数理统计基础

数理统计，以概率论为基础，研究大量随机现象的统计规律性，分为以下两类：

• 描述统计
• 推断统计

描述性统计分析概述

概念

描述性统计所提取的统计信息，称之为统计量，主要包括：

• 频数与频率
• 集中趋势分析：均值、中位数、众数、分位数
• 离散程度分析：极差、方差、标准差
• 分布形状：偏度、峰度

变量类型

• 类别变量：无序类别变量、有序类别变量‘
• 数值变量：连续变量、离散变量

统计量

频数与频率

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.datasets import load_iris
import warnings
​
# 设置seaborn绘图的样式。
​
sns.set(style= "darkgrid", font_scale=1.2)
#设置中文字体
plt.rcParams["font.family"] = "SimHei"
#是否使用Unicode字符集中的负号
plt.rcParams["axes.unicode_minus"] = False
​
# 忽略警告信息。
​
warnings.filterwarnings("ignore")
#加载鸢尾花数据集
iris = load_iris()
#iris.data 鸢尾花数据集，
print(iris.data[:10])
#iris.target：每朵鸢尾花对应的类别。（取值为0,1,2）
print(iris.target[::20])
#iris.feature_names: 特征列的名称
print(iris.feature_names)
#iris.target_names: 鸢尾花类别的名称
print(iris.target_names)
[[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]
 [5.4 3.9 1.7 0.4]
 [4.6 3.4 1.4 0.3]
 [5.  3.4 1.5 0.2]
 [4.4 2.9 1.4 0.2]
 [4.9 3.1 1.5 0.1]]
[0 0 0 1 1 2 2 2]
['sepal length (cm)', 'sepal width (cm)', 'petal length (cm)', 'petal width (cm)']
['setosa' 'versicolor' 'virginica']
# 将鸢尾花数据与对应的类型合并，组合成完整的记录。记得iris.data, iris.target.reshape（）要带中括号
​
data = np.concatenate([iris.data, iris.target.reshape(-1,1)], axis = 1)
data = pd.DataFrame(data, 
                    columns=["sepal length", "sepal width", "petal length", "petal width","type"])
data.sample(10)# sample（）, 随机抽样