数据分析与数据挖掘实践(2)——单因子探索分析与可视化

1. 以HR数据为例

1. 了解数据

1.倒入数据了解标题栏

import pandas as pd
df = pd.read_csv("/Users/chris/Desktop/Python Course/Show/HR.csv")
df.head(10)

2.数学基础

1.集中趋势

均值，中位数，众位数，分位数（4分位数）
Q1=（n+1）*0.25
Q2=（n+1）*0.5
Q3=（n+1）*0.75

2.离中趋势

标准差，方差

3.偏态与峰度

偏态系数(S) >0 正偏
偏态系数(S) <0 正偏
峰态系数（K）越大，顶越尖
正态分布 K=3

4.分布概率

1.正态分布
2.卡方分布
3.T分布

5.抽样理论

1.抽样误差

6. 数据分类

定类数据：根据事物离散，无差别属性进行的分类
定序数据：界定数据的大小，但不能测定差值
定距数据：摄氏12度
定比数据：可以界定数据大小。身高体重

7.单属性分析

1.异常值分析：
a .连续异常值：上界和下界之外的是异常值
可以直接舍弃或取边界值代替异常值

b.离散异常值：离散属性定义范围以外的所有值均为异常值。
舍弃或者直接用一个值来代替
c.知识异常值:在限定知识与限定范围外所有的值均为异常值。
2.对比分析：
a.绝对数比较
b.相对数比较
结构相对数：部分与整体进行比较
比例相对数：总体内用不同部分数值进行比较
比较相对数：不同互联网间的待遇水平
动态相对数：速度的比较
强度相对数：性质不同有相互联系的属性进行联合
c.时间维度比较
同比增长，环比增长
d.空间维度比较
c.经验与计划的比较
3.结构分析：
静态结构分析：部分和总体的关系
动态结构分析：以时间为轴，分析变化趋势
4.分布分析：
直接获得概率分布
是不是正态分布
极大似然估计