集中趋势

均值

panda.mean()

分位数

panda.quantile(q)

q = 0.25 Q1 = (n+1)0.25

q = 0.5 中位数 Q1 = (n+1)0.5

q = 0.75 Q1 = (n+1)*0.75

众数

panda.value_counts()

离中趋势

标准差和方差

去掉根号是方差，不去根号是标准差

标准差越大则数据余越离散，反之则数据越聚拢

注意：对于正态分布的数据来说，数据落在均值±1倍标准差的概率是69%,数据落在均值±1.96倍标准差的概率是95%,数据落在均值±2.58倍标准差的概率是99%

数据分布

偏态与峰态

偏态系数：panda.skew()

数据平均值偏离平均状态的一种衡量

S为正，均值较大，反之均值较小

峰态系数：panda.kurt()

一般K会减去3，来跟标准正态分布比较

K越大，曲线图顶越尖，反之则越平缓

一般说与正态分布的峰态系数相差超过2，则认为该分布不是正态分布

正态分布与三大分布

抽样理论

抽样误差与精度

N:总体数量

n:抽样数量

Z：69%时为1，95%为1.96…具体看标准差和方差

Δ2: 抽样方差

δ2：总体方差

σ2：总体方差

数据分类

定类数据：

根据事物离散，无差别属性进行的分类

定序数据：

可以界定数据的大小，但不能测定差值

定距数据：

可以界定数据大小的同时，可以测定差值，但无绝对零点

定比数据：

可以界定数据的大小，可以测定差值，有绝对零点

异常值分析：

连续异常值

离散异常值

离散属性定义范围外的所有制均为异常值

例如：只有男女时，出现了其他的情况

知识异常值

在限定知识与常识范围外的所有值均为异常值

例如：身高出现10米