python筆記24 資料分析之基本統計

# -*- coding: utf-8 -*-

#1、概念：基本統計分析：描述性統計分析，用來概括事物整體狀況以及事物間聯絡（即事物的基本特徵），以發現其內在規律的統計分析方法。

# 常用的統計指標：計數、求和、平均值、方差、標準差

#方差：統計中的方差（樣本方差）是每個樣本值與全體樣本值的平均數之差的平方值的平均數。在許多實際問題中，研究方差即偏離程度有著重要意義。

#標準差：標準差是方差的算術平方根（開根號）.標準差能反映乙個資料集的離散程度.平均數相同的兩個序列,標準差未必相同。乙個較大的標準差，代表大部分數值和其平均值之間差異較大；乙個較小的標準差，代表這些數值較接近平均值

#2、描述性統計分析函式：describe()：在需要分析的變數列後直接呼叫，就可以得到描述性資訊，如最小值、最大值、標準差等等

#常用的統計函式：

#size:計數

#sum：求和

#mean：平均值

#var:方差

#std：標準差

import pandas

data = pandas.read_csv("d:/workspaces/python/pythonstudy/24.csv")

data.score.describe()

data.score.size

data.score.max()

data.score.min()

data.score.sum()

data.score.mean() #平均值

data.score.var() #方差

data.score.std() #標準差

#累計求和：

data.score.cumsum() #注意：不是單純的求和！它的返回值是乙個序列，可以看到累計求和的過程資料

data.score.argmin() #最小值的位置（下標從0開始）

data.score.argmax() #最大值的位置

#下面這個函式很常用，特別是在rfm分析當中。函式名稱：分位數函式；作用：進行分位數的求解

#什麼是統計學中的p分位數：

#就是先把一列數按從小到大排序,如果一共有n個數,那麼四分之一分位數就是第n*0.25個數,四分之三分位數就是第n*0.75個數,以此類推,p分位數就是第n*p個數.如果n*p不是整數則往最接近的較大的整數上歸

#求出排序在30%的數值：

data.score.quantile(0.3,interpolation="nearest")

#interpolation="nearest" 表示如果找不到精確的百分位排序數，那麼使用離它最近的那個數字進行返回