数据分析之前，需先明确变量的度量类型。变量的度量类型主要分三种：名义、等级、连续；
1、名义变量：如饮料类型；
1.1 描述名义变量的分布：频数表、柱形图
2、等级变量：如饮料包装大小；
3、连续变量：饮料的体积（比例数据）、饮料的温度（间隔数据）
3.1 描述连续变量的分布 ：直方图
3.1.1 需要对变量进行分布探索，并了解以下情况：
直方图：常用于了解数据的分布形状；
一般情况下，横轴为连续变量的分段进行等宽离散后的值，纵轴为频次；
描述连续变量的分布形态：偏度与峰度
3.1.2 常见连续分布
这种类型的分布在取对数之后服从正态分布；因此，在精确度要求并不严格的统计分析中，经常在对偏态分布进行对数转换。
3.2 连续数据的位置
3.2.1 中心的度量：均值：所有数值加总后除以数量
中位数：按大小排序后中间那个取值（50%分位数）
众数：出现频率最多的取值
盒须图能够提供某变量分布以及异常的信息，其通过分位数来概括某变量的分布信息从而比较不同变量的分布。
盒须图的基本元素：
IQR：变量上下四分位数之间的数据，这个范围代表了数据中间50%的数据。
1.5IQR：上下1.5IQR表示上下1.5倍IQR范围的数据，其能够提供中位数左右95%的置信区间的数据。
可以直观的从盒须图中看出超出95%置信区间范围的数据，即异常值。
不同变量的盒须图比较时，可通过中位数位置来比较两变量数据的中位数差异状况。
众数、中位数与平均数的关系：
3.2.2 数据的离散程度：级差、四分位差、平均绝对偏差、方差和标准差
级差（range）= 最大值 – 最小值
四分位差（IQR）= 上分位数 – 下分位数
4、描述统计方法
4.1 分类变量
4.1.1 单因子频数，三种描述方法
频次表
data.district.value_counts()垂直条形图
data.district.value_counts().plot(kind='bar')饼图
data.district.value_counts().plot(kind='pie')
4.1.2 两分类变量：
表分析
pd.crosstab(data.district,data.school)直方图
pd.crosstab(data.district,data.school).plot(kind='bar')
4.2 连续变量
4.2.1单连续变量
连续变量统计量
data.price.agg(['mean','median','sum','std','skew'])直方图
data.price.hist(bins = 20)
4.2.2 一分类变量 + 一连续变量
分类汇总
data.price.groupby(data.district).sum()盒须图（box-plot）：常用于多组数据分布的比较
data.boxplot(x='district',y='price',data=data)
4.2.3 两分类变量 + 一连续变量
汇总表
data.pivot_table(values='price',index='district',columns='school',aggfunc=np.mean)
4.2.3 两连续变量
散点图
data.plot.scatter(x='AREA',y='price')
4.2.4 时间与两个连续变量
4.3 关联性不同的图表
4.4 图像展示步骤
1、明确要表达的信息
2、确定相对关系
3、选择图表形式
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/209707.html原文链接：https://javaforall.net
