基于python的探索性数据分析演示

常用概率分布演示
一、实验目的
1.了解常见的5种数据分布。
2.掌握调用pyplot绘制图像。
3.了解数据生成函数。
二、实验内容
1.调用pyplot查看数据分布图像
2.调用numpy.arange生成等差数列
3.调用scipy.stats生成常见分布的数量数据
4.调用numpy.random.poisson生成泊松分布的数量数据
三、实验要求
以小组为单元进行实验，每小组5人，小组自协商选一位组长，由组长安排和分配实验任务，具体参加试验内容中实验过程。
四、准备知识
服从二项分布的随机变量X表示在n个独立的是/非试验中成功的次数，其中每次试验的成功概率为p。
一个服从泊松分布的随机变量X，表示在具有比率参数（rate parameter）λ的一段固定时间间隔内，事件发生的次数。参数λ告诉你该事件发生的比率。随机变量X的平均值和方差都是λ。
正态分布是一种连续分布，其函数可以在实线上的任何地方取值。正态分布由两个参数描述：分布的平均值μ和方差σ2 。
β分布是一个取值在[0, 1]之间的连续分布，它由两个形态参数α和β的取值所刻画。β分布的形状取决于α和β的值。
指数分布是一种连续概率分布，用于表示独立随机事件发生的时间间隔。比如旅客进入机场的时间间隔、打进客服中心电话的时间间隔、中文维基百科新条目出现的时间间隔等等。
Scipy提供了一些生成数据函数，用于观察数据分布。
五、实验步骤
1 二项分布
scipy的stats提供了多种生成数据的方式，二项分布由于是离散型分布，直接调参数即可输出对应数据。

Result:

2 正态分布
先使用numpy.arange生成等差数列，再把这些数列传入函数即可生成近似于连续的正态分布数据。

Result:

3 泊松分布
泊松分布数据不需使用scipy.stats，用numpy的自带生成器即可生成。

Result:

4 贝塔分布
贝塔分布是连续型分布，调用等差数列以构造近似于连续的数据。

Result:

5 指数分布
指数分布同样需要用等差数列模拟连续数据。

Result:

六、总结
该实验针对数据分布展示设计实战案例，主要包括：scipy的数据生成器，numpy的等差数列生成器和泊松分布数据生成器，对数据分布学习大有脾益。