python 数据分析---实现代码_python股票数据分析的报告-优快云博客

本文链接：https://blog.youkuaiyun.com/aBIT_Tu/article/details/83896044

这篇博客介绍了如何使用Python进行数据分析，包括计算数据集的均值、方差、协方差和相关系数，并展示了绘制柱状图、直方图、饼图和箱式图的代码。更多分析代码将在后续更新中补充。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码实现了分析数据集所需的基本量值：均值方差协方差相关系数，也给出了绘制各类图标的代码：柱状直方饼状箱式散点。

# -*- coding: utf-8 -*-
"""
Created on Fri Nov  9 10:25:46 2018

@author: user
"""

import numpy as np

"""
 生成虚拟数据
"""
n=5  # 特征数目
m=6  # 样本数目
data=np.random.rand(n,m)*10

"""
 基本描述性统计量
"""
d_mean=np.mean(data,0)  # mean(data):全部的均值，mean(data,0):按行做均值， mean(data,1):按列做均值
d_median=np.median(data)  # 中位数，解释和使用同上
d_ptp=np.ptp(data,0)  # 极差,解释和使用同上
d_var=np.var(data,0)  # 方差，同上
d_std=np.std(data,0)  # 标准差，同上
d_CV=d_std/d_mean  # 变异系数，即无量纲化，表示数据群的稳定程度. 此处除法是对应元素相除
for i in range(n):
    d_Zscore=(data[i,:]-np.mean(data,1))/np.std(data,1)  # 每个样本第 i 个特征取值的偏差程度


"""
衡量相关程度
"""
d_cov=np.cov(data[:,0],data[:,1])  # 前两列数据的协方差矩阵 （0，0）：第一列方差，（0.1）（1，0）：两列数据协方差，（1，1）第二列方差
d_cor=np.corrcoef(data[:,0],data[:,1])  # 前两列数据的相关系数  各个元素解释同上

"""
图表分析
"""
"""
图表分析（一）：单数据描述
"""
import matplotlib
data=np.vectorize(int)(data)  # 修改一下数据，方便使用图标表示
def drawBar(data):  # 柱状图
    n,m=np.shape(data)
    d