Python数据分析与可视化 教案 4.2 数据的统计与描述.docxVIP

课 题 4.2数据的统计与描述 课 型 讲练 授课班级 大数据 授课时数 2 教学目标 .能够计算数值型字段的统计指标。 .能够统计字符型字段的频数。 .掌握describe函数的用法。 教学重点 .能够计算数值型字段的统计指标。 .能够统计字符型字段的频数。 教学难点 1.掌握describe函数的用法。 在进行数据分析时，首先需要判断分析的字段是数值型还是字符串型,学情分析 学情分析 学情分析因为不同类型的字段处理方法是不同的，这一点在使用describe函数时就 非常明显。 学情分析 数据的统计与描述可以用来概括和表示数据的状况，通过一些统计指标可以方便 地表示一组数据的集中趋势、离散程度、频数分布等特征。 一、数值型字段的统计与描述 数值型字段是指该字段是用数值来描述的，如身高、体重、成绩等。数值型字段 的描述性统计主要包括计算最小值、最大值、均值、中位数、四分位数、极差、方差、 标准差等统计指标。 .直接利用统计指标进行计算 pandas提供了很多方法来计算数值型字段的各类指标，常用统计指标如表4-*所 Zjx O表4-*数值型数据统计指标 方法名称 说明 方法名称 说明 mean 均值 max 最大值 median 中位数 min 最小值 mode 众数 PtP 极差 quantile 四分位数 std 标准差 sum 总和 cumsum 累加和 skew 偏度 kurt 峰度 其中，quantile表示四分位数，是指通过三个分割点将全部数据等分为四局部， 其中每局部包含25%的数据，这三个分割点就是四分位数。中间的四分位数就是中位 数，而处在25%位置上的四分位数称为下四分位数，处在75%位置上的四分位数称为 上四分位数。 skew表示偏度，是描述分布偏离对称性程度的一个特征数。当分布左右对称时, 偏度系数为0。当偏度系数大于。时，该分布为右偏。当偏度系数小于。时，该分布 为左偏。 kurt表示峰度，是指用来反映频数分布曲线顶端尖峭或扁平程度的指标。峰度大 于。表示该数据分布与正态分布相比拟为陡峭，为尖顶峰；峰度小于0表示该数据分 布与正态分布相比拟为平坦，为平顶峰。 cumsum表示累加和，是指对列数据进行累加，其结果也是一列数据。 直接利用统计指标进行计算的一般方法为： DataFrame[column].统计指标 例如代码如下： import numpy as np import pandas as pdarr = np.arange( 1,17).reshape(4,4) data = pd.DataFrame(arr,columns=[,a7b,/c,/d]) print(初始数据为:\nn,data)print。a 列的最大值=,data「a].max()) print(Hb 列的平均值廿,data[c].mean()) print(nc列的标准差值二%.2F%(data『c1.std()))print,”) data「e]二data「d].cumsum()printed列的累加和结果为e列:\n”,data[「d?e[]) 输出结果如图4-*所示。 Run:4-2AC:\Users\liliang\Anaconda3\python.exe C:/Users/liliang/PycharmProjects/sjfx/4-2.py 初始数据为： abed=$01234 TOC \o 1-5 \h \z U15678”W 313141516■a列的最大值=13 b列的平均值=9.0 c列的标准差值=5.16 d列的累加和结果为e列： d e044 81212 24 16 40Process finished with exit code 0 图4-*统计指标计算例如结果2?利用describe函数进行计算 pandas提供了 describe函数用来一次性计算数值型字段的八个统计指标,如表3-* 所示。 表4-*数值型字段的describe函数统计结果 方法名称 说明 count 非空个数 mean 均值 std 标准差 min 最小值 25% 25%分位数 50% 50%分位数，即中位数 75% 75%分位数 max 最大值 在调用describe函数计算统计指标时，还可以采用describe()[i] (i=0,l,2,…)的方 法调用某个统计指标，如用describe。[0]调用第1个统计指标count, describe()[U调用 第2个统计指标mean。同时，还可以利用指标名称来调用指标，如describeOHS%】 表示调用25%分位数，即调用下四分位数。 例如代码如下： des = data[a] .describe。 print(na列的describe函数计算结果