python对excel数据统计_数据分析EPHS(4)-使用Excel和Python计算数列统计值

前面环境都搞的差不多了，这次咱们进入实战篇，来计算一列的统计值。统计值主要有最大值、最小值、均值、标准差、中位数、四分位数。话不多说，直接进入正题。

本文介绍使用Excel和Python来计算上述统计值，而Hive和Spark将放在下一篇中。

1、数据介绍

这里咱们使用的是iris分类数据集，数据下载地址为：

http://archive.ics.uci.edu/ml/datasets/Iris

下载后转换为xlsx格式的文件，数据如下：

也可以在公众号后台回复 “iris” 下载相应数据。

2、使用Excel计算统计值

咱们一个个来哈，在使用过程中还是学到了很多东西的，如果你都会了，也建议你看一下，嘻嘻！

2.1 最大值 & 最小值

在Excel统计一列或者指定单元格区间的最大值或最小值，直接使用max和min函数即可：=MAX(A2:A151)

=MIN(A2:A151)

统计结果如下：

2.2 平均值

在Excel统计一列或者指定单元格区间的平均值，直接使用average函数即可：=AVERAGE(A2:A151)

统计结果如下：

2.3 样本标准差 VS 总体标准差

在Excel统计一列或者指定单元格区间的标准差，可就没那么简单了，excel里面共有四个方法：

共四个方法，其实可以分成两组，即统计样本标准差和总体标准差，首先回顾一下二者的计算公式：

总体标准差对应的英文是Population standard deviation , 在Excel中一般使用STDEV.P 或者 STDEVPA方法计算，这里的P便是Population的意思。

样本标准差对应的英文是Sample standard deviation，在Excel中一般使用STDEV.S 或者 STDEVA方法计算，这里的S便是Sample的意思。

这里我们先使用STDEV.P和STDEV.S 分别计算一下总体标准差和样本标准差：=STDEV.P(A2:A151)

=STDEV.S(A2:A151)

结果如下：

接下来说下STDEV.P和 STDEVPA的区别，STDEV.S和STDEVA的区别与其相同。两者区别是 STDEV.P 函数忽略样本中的逻辑值和文本, STDEVPA 不忽略，看下面的结果：

在上面的数据中，如果只计算4个数字的总体标准差，结果当然是0，因为四个数字都是2，所以STDEV.P的结果是0，但是STDEVPA的结果却不是0，因为这个函数将文本和逻辑值False当作0处理，把逻辑值True当作1处理，我们来验证下：

结果印证了咱们刚才的说明。

2.3 中位数

在Excel统计一列或者指定单元格区间的中位数，直接使用MEDIAN函数即可：=MEDIAN(A2:A151)

中位数的计算方法，如果数据量的个数为奇数的话，就是中间的一个数，如果数据量个数为偶数个的话，就是最中间两个数的平均值，咱们这里是150个数