描述性统计量，在不浏览全部数据的情况下，获得数据集中的全距、极值以及分位数信息，同时得到数据大致分布以及数据离散和偏离程度等，这些信息对我们处理海量数据集的抽样问题，以及建模的指标选取问题都有巨大的作用，就算是我们机器学习的模型运行后的结果数据，都可以用这些描述信息来获得我们想要的信息，R获得描述性统计量有多种方法供我们使用，首先和大家聊一下那些描述性统计量：
缺失值，为啥先说缺失值呢，个人理解和一些接触经验，一方面，大数据时代嘛，所有信息都要有，每个人信息又不同，那必然导致不同的就有确失的，信息越多，缺失值越多；另一方面，做模型所需的指标和信息都会汇成一张宽表，这就导致了如果处理不好缺失值就会丢失很多信息，当年猴哥就做过一件很暴力的事情，直接将含有缺失值的样本全部干掉，结果就是95%的信息都被我干掉了，最后当然是被客户屌了；这里大致说一下我对缺失值的处理，一种是通过缺失值可以定位重要样本，比如关键指标大部分样本都是缺失的，那么没有缺失的最好单独拿出来处理；另一种是补缺，例如数值型了，缺失值一般可以补0，当然不是所有的都可以补，有时候缺失代表的是一个不同的未知的种类或者没有这个属性；最后一种是当做一个种类或者一个样本范围外的值来处理。所以找缺失值是比较重要的，当年我找缺失值用过ifnull（这里请加一个悲伤的表情），现在可没那么傻了。
均值、中位数、众数，这三个一起说，因为都是代表样本空间中间的部分；均值不说了，说实话不爱用，对数据分布结构要求有点高，不然没啥用；中位数还是有点用的，数据排序后最中间的那一个，数据分布有偏斜的情况下中位数还是可以的；众数就是频度最高的那个数，在数据分布形态为双峰或者多峰的分类变量里面比较好用。
分位数，包括四分位和百分位，这个数据是我比较喜欢的了，为啥喜欢，比较靠谱，尤其是全距（最大值与最小值的差）比较大而分位距（俩个分位数相减，例如四分位距是上四分位数减去下四分位数）比较小的时候，类似正态分布什么的，这个时候我们以5%分位数去头去尾，数据瞬间好看（这种情况下求得的均值我们叫截尾均值）针对聚类结果，我一般都用这种方法来观察结果的特征。
方差、标准差，这俩个是一个意思，表示了数据的波动大小，也就是数据集的变异性，均值分位数等等都只能代表个体，不确定因素比较多，很多时候不能说明问题或者样本特征，但是加上标准差或者方差，就能确定数据到底给不给力了。
峰度，峰度代表了数据的集中程度，直观上看就是样本越集中在众数附件，峰度越高，其实就是画出来的分布图顶部越尖。
偏度，表示了数据分布的偏斜程度，画个分布图，比较好比较，中位数比均值小，就是靠右偏斜，中位数比均值大，就是向左偏斜，其实就是主要看均值是比大部分值小还是大；峰度和偏度都是站在全局的角度看数据分布的。
绝对中位差，即中位数的绝对偏差，算法样本与中位数差的绝对值产生的结果后新的中位数，这个用的比较少，我也不是特了解在什么情况下用，据说是用来估算标准差的。
在不额外安装工具包的情况下，base包提供了很多基本方法，包括：
summary：获得极值，均值，四分分位数，相当于获得了箱线图的信息，箱线图是我最喜欢的一幅图，基本针对每一个主 指标我都喜欢画一个箱线图。
sd:标准差；
quantile(x,probs)：任意分位数等等；
当然，基本的东西肯定不能让我们用的很爽，所以你可以自己集成和衍生这些函数，来获得更爽的体验，不过有一些工具包已经提供了衍生的方法来提升我们的使用体验，比如Hmisc、 pastecs和psych、misc。
Hmisc包，这个包里面提供了一个函数：describe()可返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值；
pastecs包中有一个名为stat.desc()的函数，它可以计算种类繁多的描述性统计量。通过调参可以获得其中所有值，空值，缺失值的数量，以及最小值，最大值，值域，还有总和，中位数，平均数，平均数的标准误，平均数置信度为95%的置信区间，方差，标准差，变异系数，偏度和峰度，是不是感觉很爽；
psych包也拥有一个名为describe()的函数，它可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度等信息
misc包提供了一个summarySE()的函数,提供了汇总、平均数、标准差、平均值的标准差和平均数置信度为95%的置信区间
介绍这么多方法主要是在客户那里，有一些环境是封闭的，意思就是有啥你用啥，没啥可挑的，你和客户说要导个包进来，轻轻松松耽误你一天时间，而且可能还不能导，所以就只能看看有哪些可用的，实在没有就只能自己写了。
