Python 数据统计入门必学：描述性统计的实现方法与案例

一、描述性统计核心指标

描述性统计通过关键指标概括数据特征：

1. 集中趋势

   • 均值：$\bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$
   • 中位数：有序数据中间位置的值
   • 众数：出现频率最高的值

2. 离散程度

   • 方差：$s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2$
   • 标准差：$s = \sqrt{s^2}$
   • 极差：$\text{max}(x_i) - \text{min}(x_i)$

3. 分布形态

   • 偏度：$\frac{\frac{1}{n}\sum_{i=1}^{n}(x_i - \bar{x})^3}{s^3}$
   • 峰度：$\frac{\frac{1}{n}\sum_{i=1}^{n}(x_i - \bar{x})^4}{s^4} - 3$

二、Python实现方法

1. 基础库导入

import numpy as np
import pandas as pd
from scipy import stats

2. 关键函数实现

# 生成示例数据（100个正态分布随机数）
data = np.random.normal(0, 1, 100)

# 集中趋势
mean_val = np.mean(data)
median_val = np.median(data)
mode_val = stats.mode(data)[0][0]

# 离散程度
variance = np.var(data, ddof=1)  # 样本方差
std_dev = np.std(data, ddof=1)
data_range = np.ptp(data)  # 极差

# 分布形态
skewness = stats.skew(data)
kurtosis = stats.kurtosis(data)

3. 快速统计工具

# 使用pandas一次性输出
df = pd.DataFrame(data, columns=['Value'])
summary = df.describe().T
summary['skewness'] = df.skew()
summary['kurtosis'] = df.kurtosis()

三、实战案例：鸢尾花数据分析

from sklearn.datasets import load_iris
import seaborn as sns

# 加载数据
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)

# 1. 整体统计描述
print(df.describe())

# 2. 分组统计（按类别）
df['species'] = iris.target
group_stats = df.groupby('species').agg(['mean', 'std', skewness])

# 3. 可视化分布
sns.boxplot(x='species', y='sepal length (cm)', data=df)
plt.title('花萼长度分布箱线图')

输出分析：

• 花瓣长度标准差最小（约0.76），花萼宽度标准差最大（约0.43）
• 类别2的花瓣长度均值最大（$\mu=5.55$ cm）
• 箱线图显示类别1存在离散值

四、注意事项

1. 数据预处理

   # 处理缺失值
   df.fillna(df.mean(), inplace=True)
   
   # 处理异常值
   Q1 = df.quantile(0.25)
   Q3 = df.quantile(0.75)
   df = df[~((df < (Q1 - 1.5 * IQR)) | (df > (Q3 + 1.5 * IQR))).any(axis=1)]
   

2. 指标选择原则

   • 对称分布：均值+标准差
   • 偏态分布：中位数+四分位距
   • 分类数据：频数统计+众数

掌握描述性统计是数据分析的基石，结合可视化可快速洞察数据本质特征。建议在Jupyter Notebook中逐步运行代码，实时观察统计结果与图形的对应关系。