数据的描述性统计与python实现

最新推荐文章于 2025-10-26 18:42:31 发布

原创

最新推荐文章于 2025-10-26 18:42:31 发布 · 1.7k 阅读

收录于

当前文章被以下社区和专栏收录：

本文介绍了如何使用Python的pandas库进行数据的描述性统计分析，包括数据的集中趋势（众数、中位数、平均数、分位数）、离中趋势（方差、标准差、极差、平均差、四分位差、异众比率）、相对离散程度（离散系数）以及分布的形状（偏态系数、峰态系数）。通过实例展示了数据的可视化和各种统计量的计算，揭示了259人身高数据的统计特性。

数据的描述性统计与python实现

使用pandas导入数据

导入需要的包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
from scipy.stats import mode
import seaborn as sns
import os

更改工作目录及读取数据

os.chdir(r'C:\Users\Mr.M\notebook')
snd = pd.read_excel("作业数据.xls")

数据可视化，数据为259人的身高数据

from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
snd.height.value_counts().sort_index().plot(kind = 'bar')