初学数据挖掘——数据探索（四）：数据特征分析之统计量分析

用统计指标对定量数据进行统计分析，常从集中趋势和离中趋势两个方面分析。

一、集中趋势度量

1、均值：所有数的平均数

2、中位数：将一组数据从小到大排序，位于中间的那个数
3、众数：数据集中出现最频繁的值

二、离中趋势度量

1、极差：最大值与最小值之差
2、标准差：度量数据偏离均值的程度

3、变异系数：度量标准差相对于均值的离中程度

4、四分位数间距：上四分位数与下四分位数之差，包含了全部观测值的一般。其值越大，说明数据的变异程度越大。

# 餐饮销量数据统计量分析
import pandas as pd

catering_sale = './data/catering_sale.xls'  # 餐饮数据
data = pd.read_excel(catering_sale, index_col = u'日期')  # 读取数据，指定“日期”列为索引列
data = data[(data[u'销量'] > 400)&(data[u'销量'] < 5000)]  # 过滤异常数据
statistics = data.describe()  # 保存基本统计量

statistics.loc['range'] = statistics.loc['max']-statistics.loc['min']  # 极差
statistics.loc['var'] = statistics.loc['std']/statistics.loc['mean']  # 变异系数
statistics.loc['dis'] = statistics.loc['75%']-statistics.loc['25%']  # 四分位数间距

print(statistics)