数据分析师一定要掌握的基础——描述性统计分析

s = data["sepal_length"].mode()
# 注意，mode方法返回的是Series类型。
mode = s.iloc[0]print(mean, median, mode)

mean()

均值，

median()

中位数，

mode()

众数
结果：
我们可以看到结果中鸢尾花的花萼长度列，均值和中位数几乎相等，我们猜想该数据应该是对称分布的，符合正态分布，这也应了自然界的数据都符合正态分布的说法。

我们也可以使用scipy中的stats模块来求一组数据的众数。

from scipy import stats
stats.mode(data["sepal_length"]).mode

结果：array([5.])，可以看到和Series算出来的众数是一样的。
接下来把上面的数据进行可视化：

# 绘制数据的分布（直方图 + 密度图）。
sns.distplot(data["sepal_length"])
# 绘制垂直线。
plt.axvline(mean, ls="-", color="r", label="均值")
plt.axvline(median, ls="-", color="g", label="中值")
plt.axvline(mode, ls="-", color="indigo", label="众数")
plt.legend()

distplot

核密度图

d. 分位数

把数据集分成若干个区间，分为几就为几分位数。
先排序再分位，分位大致相等的若干区间。

给定一组数据，假设存放在数组中，我们要如何计算其四分位值呢？首先要明确一点，四分位值未必一定等同于数组中的某个元素。
在Python中四分位值的计算方式如下：

首先，计算四分位的位置。

其中，位置索引index从0开始，n为数组中元素的个数。
假设现在n=5，我们来计算下四分位值分别是多少？

根据位置计算四分位值。

 4/8   首页 上一页 2 3 4 5 6 7 下一页 尾页