目录
- 简述 / 前言
- 1. 平均数（均值）、方差、标准差、极大值、极小值
- 2. 中位数
- 3. 百分位数
- 4. 用箱型图表示分位数
简述 / 前言
前面讲了数据分析中的第一步：数据预处理，下面就是数据分析的其中一个重头戏：描述性统计，具体内容为：平均数（均值）、方差、标准差、极大值、极小值、中位数、百分位数、用箱型图表示分位数。
1. 平均数（均值）、方差、标准差、极大值、极小值
关键方法 | 含义 |
| 求均值 |
| 求方差 |
| 求标准差 |
| 求极大值 |
| 求极小值 |
示例：
import pandas as pd
import numpy as np
import math
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')
# num列的平均值
print(f"列num的平均值（均值）为：{df['num'].mean()}")
# num列的方差
print(f"列num的方差为：{df['num'].var()}")
# num列的标准差（方法一）
print(f"列num的标准差（方法一）为：{df['num'].std()}")
# num列的标准差（方法二）
print(f"列num的标准差（方法二）为：{math.sqrt(df['num'].var())}")
# num列的极大值
print(f"列num的极大值为：{df['num'].max()}")
# num列的极小值
print(f"列num的极小值为：{df['num'].min()}")输出：
num
0 5.880145
1 6.991087
2 1.881520
3 0.438086
4 2.050190
5 1.060629
6 7.272401
7 6.794005
8 4.738457
9 4.482958
列num的平均值为：4.158947812331025
列num的方差为：6.793267492129306
列num的标准差（方法一）为：2.6063897429450775
列num的标准差（方法二）为：2.6063897429450775
列num的极大值为：7.2724014368445475
列num的极小值为：0.438085637468648152. 中位数
关键方法：.median()
示例：
import pandas as pd
import numpy as np
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')
# num列的中位数
print(f"列num的中位数为：{df['num'].median()}")输出：
num
0 5.880145
1 6.991087
2 1.881520
3 0.438086
4 2.050190
5 1.060629
6 7.272401
7 6.794005
8 4.738457
9 4.482958
列num的中位数为：4.6107076394426163. 百分位数
关键方法：.quantile(q=0.5, interpolation="linear")，各参数含义如下：
参数 | 含义 |
q | 要计算的分位数，取值范围为：[0, 1]，常取： |
interpolation | 插值类型，可以选： |
示例：
import pandas as pd
import numpy as np
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
print(df, '\n')
# num列的下分位数（25%）
print(f"列num的下分位数（25%）为：{df['num'].quantile(0.25)}")
# num列的中位数（50%）
print(f"列num的中位数（50%）为：{df['num'].quantile(0.50)}")
# num列的上分位数（75%）
print(f"列num的上分位数（75%）为：{df['num'].quantile(0.75)}")
# 或者
print(f"\n列num的分位数（25%、50%、75%）为：\n{df['num'].quantile([.25, .5, .75])}")输出：
num
0 5.880145
1 6.991087
2 1.881520
3 0.438086
4 2.050190
5 1.060629
6 7.272401
7 6.794005
8 4.738457
9 4.482958
列num的下分位数（25%）为：1.9236870812745168
列num的中位数（50%）为：4.610707639442616
列num的上分位数（75%）为：6.565540223677057
列num的分位数（25%、50%、75%）为：
0.25 1.923687
0.50 4.610708
0.75 6.565540
Name: num, dtype: float644. 用箱型图表示分位数
关键方法：df['column']..plot.box()
一般写法：df['column'].plot.box(patch_artist=True, notch=True, color=color, figsize=(8, 6))，各参数含义如下：
参数 | 含义 |
patch_artist | 箱型图是否需要填充颜色（ |
notch | 是否用凹进的方式显示中位数(50%)（ |
color | 箱型图的颜色 |
figsize | 图片大小 |
示例【patch_artist 和 notch 都为 True】：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
df['num'].plot.box(patch_artist=True, notch=True, color='green', figsize=(8, 6)) # 绘制箱状图
plt.show()输出：
示例【patch_artist 和 notch 都为 False】：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
df['num'].plot.box(patch_artist=False, notch=False, color='green', figsize=(8, 6)) # 绘制箱状图
plt.show()输出：
从这个箱型图可以很清晰的看出样本数据的极小值和极大值，以及上分位数（75%），中位数（50%）和下分位数（25%）。
除了上面那种写法，还有下面这种写法：df.plot.box(column=column, patch_artist=True, notch=True, color=color, figsize=(8, 6))，就是把 column 放到 box 方法里面。
那么上述代码可以改为：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2024)
df = pd.DataFrame(columns=['num']) # 构造原始数据文件
df['num'] = [np.random.ranf() * 10 for i in range(10)]
# df['num'].plot.box(patch_artist=False, notch=False, color='green', figsize=(8, 6)) # 绘制箱状图
# 或者
df.plot.box(column='num', patch_artist=False, notch=False, color='green', figsize=(8, 6)) # 绘制箱状图
plt.show()输出的结果是一样的~
