数据科学入门_第五章_统计学

最新推荐文章于 2024-10-10 07:54:06 发布

JabinY

最新推荐文章于 2024-10-10 07:54:06 发布

阅读量306

点赞数 2

分类专栏：数据科学入门文章标签：统计学数据分析 python

本文链接：https://blog.youkuaiyun.com/JabinY/article/details/108125057

版权

本文介绍了数据科学中的统计学基础知识，包括描述单个数据集的方法如直方图、均值、中位数和离散度，以及相关性的概念如协方差、相关系数和辛普森悖论。强调了相关不等于因果，并推荐了相关学习资源。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

统计学

1 描述单个数据集

对任何数据集，最简单的描述方法就是数据本身：

num_friends = [100, 49, 41, 40, 25,
# ……等等许多]

画个直方图（数据可以上github上找）

friend_counts = Counter(num_friends)
xs = range(101) # 最大值是100
ys = [friend_counts[x] for x in xs] # height刚好是朋友的个数
plt.bar(xs, ys)
plt.axis([0, 101, 0, 25])
plt.title("朋友数的直方图")
plt.xlabel("朋友个数")
plt.ylabel("人数")
plt.show()

提炼一下数据

num_points = len(num_friends) #数据量
largest_value = max(num_friends) # 最大值
smallest_value = min(num_friends) #最小值

排个序

sorted_values = sorted(num_friends)
smallest_value = sorted_values[0] # 最小值
second_smallest_value = sorted_values[1] # 第二小值
second_largest_value = sorted_values[-2] # 第二大值

中心倾向
（后续学了pandas会简单很多）
均值