数据分析师一定要掌握的基础——描述性统计分析

reshape

# 计算鸢尾花数据中，每个类别出现的频数。
frequency = data["type"].value_counts()
display(frequency)
# 计算每个类别出现的频率，通常使用百分比表示。
percentage = frequency * 100 / len(data)
display(percentage)

len(data) 鸢尾花数据的总长度；
因为要用百分比表示所以要乘以100；
value_counts() 计算个数。

从结果可知，类别中0，1，2分别出现了50次，他们的频率分别为33.333333
我们用柱形图来看下类别的个数情况：

（2）集中趋势
a. 均值

均值，即平均值，其为一组数据的总和除以数据的个数。

b. 中位数

将一组数据升序排列，位于该组数据最中间位置的值，就是中位数，如果数据个数为偶数，则取中间两个数值的均值。

c. 众数

一组数据中出现次数最多的值。

关于三者，说明如下：

三者的关系如下图所示：

什么是正态分布（对称分布）？
正态分布是以均值作为对称的一种分布形式。
左偏分布：
存在少数的极小值。
右偏分布：
存在少数的极大值。
怎么区分左偏分布和右偏分布？
从图形中间切一刀，哪边面积少就是什么分布。
例如：下面图形右边的面积少，所以就是右偏分布

接下来我们以鸢尾花长度为例，计算其集中趋势：

 # 计算花萼长度的均值。
mean = data["sepal_length"].mean()
# 计算花萼长度的中位数。
median = data["sepal_length"].median()
# 计算花萼长度的众数。
 3/8   首页 上一页 1 2 3 4 5 6 下一页 尾页