Python数据科学技术详解与商业实践 -读书笔记 一

变量类型与分布类型

名义变量：
等级变量（有序分类变量）：
连续型变量：

变量的分布类型是对实际变量分布的一个概括和抽象。经常遇到的分布有二项分布、正态分布、卡方分布、t分布、f均匀分布和泊松分布等。
探索变量分布的意义在于：只要知道某个变量服从某个分布，就可以很快地了解变量在相应取值时的概率（分布是从无数个变量频率得到的，对其统计特性有了深入的分析），并且结合相应的业务场景做出解释。
正太分布的特性： 均值 = 中位数 = 众数
正太分布的3\sigma准则。

分类变量的统计量

名义变量和等级变量统称为分类变量。
名义变量是指变量值不能比较大小的分类变量，例如性别男和女，并不能说女性高于男性或者说男性高于女性。这类变量还有民族、职业、行业（采掘业/制造业等）。名义变量有两种统计量，分别是频次、百分比。
等级变量指变量值有等级关系，可比较大小，例如教育程度（小学<初中<高中<大学）、产品质量（低<中<高）等。等级变量有四类统计量，分别是频次、百分比、累计频次、累计百分比。

连续变量的分布与集中趋势

描述变量的统计量主要有四类统计量：集中趋势、离中趋势、偏态分布与尖峰程度。
数据的集中水平：使用某个指标代表数据的集中趋势，常见指标有平均数、中位数、众数。

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：C