3.python实现描述性统计.md

python实现描述性统计

• 导入python库和样例数据

  import numpy as np
  import pandas as pd
  
  data = pd.read_excel('实践一.xlsx')
  data.head()
  data.info()

  

• 集中趋势

  • 众数

    data = data['data']
    mode = data.mode()[0]
    print('众数：',mode)

    众数： 1

  • 中位数与分位数

    m_0 = data.median()
    m_1 = data.quantile(q=0.25)    #四分位数
    print('中位数：',m_0)
    print('四分位数：',m_1)

    中位数： 4.0
    四分位数： 2.0
    

  • 平均数

    mean = data.mean()
    print('平均数：',mean)

    平均数： 4.417739628040057
    

• 离散趋势

  • 四分位差

    qd = data.quantile(q=0.75) - data.quantile(q=0.25)
    print('四分位差：',qd)

    四分位差： 4.0
    

  • 极差

    R = data.max() - data.min()
    print('极差：',R)

    极差： 9
    

  • 平均差

    data = data['data']
    m_d = (data - data.mean()).apply(lambda x: x if x >0 else -x).sum()
    print('平均差：',m_d)

    平均差： 1605.988555078684
    

  • 方差/标准差

    var = data.var()
    std = data.std()
    print('方差：',var)
    print('标准差：',std)

    方差： 7.928395456464613
    标准差： 2.8157406585949305
    

  • 标准分数

    z_score = (data - data.mean()) / data.std()
    z_score.head()

    0    0.206788
    1    0.206788
    2   -0.503505
    3    0.561934
    4   -0.148359
    Name: data, dtype: float64
    

  • 离散系数

    v_s = data.var() / data.mean()
    print('离散系数：',v_s)

    离散系数： 1.7946724171207138
    

• 偏态与峰态

  • 偏态系数

    skew = data.skew()
    print('偏度系数：',skew)

    偏度系数： 0.5928585326862844
    

  • 峰态系数

    kurt = data.kurt()
    print('峰度系数：',kurt)

    峰度系数： -0.6237154123264794