统计学笔记 | 您所在的位置:网站首页 › 箱形图绘制要点 › 统计学笔记 |
最近在接触kaggle的竞赛示例,练习了一下,感觉受益匪浅。同时,心中也有个问题。拿到数据之后第一件事是什么?分析数据的情况?怎么分析?分析之后如何去处理数据呢?等等一些数据分析的工作。其中,大家都可能非常清楚条形图、直方图、散点图和曲线图的用处,但是箱形图呢?(或者称为盒须图)。他的意义在哪里呢?在python中又是如何实现的呢? 于是我今天翻开了贾俊平老师的那本《统计学》琢磨了一下午,又参考了各大网友的博客,于是在此作下总结。 箱形图:从字面上理解就是箱子的图,如下图: 那为什么要引入箱形图呢?这里有篇博文也不错箱形图分析 1.为了反映原始数据的分布情况,比如数据的聚散情况和偏态。看看《统计学》这本书的插图 2.箱型图有个功能就是可以检测这组数据是否存在异常值。异常值在哪里呢?就是在上边缘和下边缘的范围之外。(这个我也不太懂,总感觉和正态分布有一腿) 3.可以直观地比较多组数据的情况。还是《统计学》中的示例。 2.英语、市场营销学、西方经济学、计算机应用基础和财务管理成绩分布比较集中,因为箱子比较短。而经济数学、基础会计学和统计学成绩比较分散,我们可以对照考试成绩数据看看也可以证实。 3.从各个箱形图的中位数和上下四位数的间距也可以看出,英语和市场营销学的成绩分布是非常的对称,而统计学呢?非常的不平衡,大部分数据都分布在70到85(中位数到上四分位数)分以上。同样,也可以从成绩单里的数据证实 4.在计算机应用基础对应的箱形图出现了个异常点,我们回去看看成绩单,计算机那一栏,出现了个计算机大牛(真希望是我),考了95分,比第二名多了10分。而其他同学的成绩整体在80分左右。 5。其实我们也可以从中得知,用平均值去衡量整体的情况有时很不合理,用中位数比较稳定,因为中位数不太会收到极值的影响,而平均值则受极值的影响很大。 那么在python怎么去画箱型图呢? 本人用的是python 3,anaconda 平台。主要的模块有matplotlib,pandas,numpy #首先导入基本的绘图包 import matplotlib.pyplot as plt import numpy as np import pandas as pd #添加成绩表 plt.style.use("ggplot") plt.rcParams['axes.unicode_minus'] = False plt.rcParams['font.sans-serif']=['SimHei'] #新建一个空的DataFrame df=pd.DataFrame() #添加成绩单,最后显示成绩单表格 df["英语"]=[76,90,97,71,70,93,86,83,78,85,81] df["经济数学"]=[65,95,51,74,78,63,91,82,75,71,55] df["西方经济学"]=[93,81,76,88,66,79,83,92,78,86,78] df["计算机应用基础"]=[85,78,81,95,70,67,82,72,80,81,77] df好了!今天的箱形图就总结这里了。下次记得拿到数据的时候,要记得分析数据的分布以及数据间的关系哦,尤其是用可视化的手段去分析。 最后,欢迎讨论以及批评指教! |
CopyRight 2018-2019 实验室设备网 版权所有 |