图表的重要性：Anscombe的四组数据

Anscombe四重奏数据集
最新推荐文章于 2025-09-23 10:01:46 发布
原创 最新推荐文章于 2025-09-23 10:01:46 发布 · 2.2k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

1973年，统计学家F.J. Anscombe构造出了四组奇特的数据。它告诉人们，在分析数据之前，描绘数据所对应的图像有多么的重要。

Anscombe's Quartet
IIIIIIIV
xyxyxyxy
10.08.0410.09.1410.07.468.06.58
8.06.958.08.148.06.778.05.76
13.07.5813.08.7413.012.748.07.71
9.08.819.08.779.07.118.08.84
11.08.3311.09.2611.07.818.08.47
14.09.9614.08.1014.08.848.07.04
6.07.246.06.136.06.088.05.25
4.04.264.03.104.05.3919.012.50
12.010.8412.09.1312.08.158.05.56
7.04.827.07.267.06.428.07.91
5.05.685.04.745.05.738.06.89


这四组数据中，x值的平均数都是9.0，y值的平均数都是7.5；x值的方差都是10.0，y值的方差都是3.75；它们的相关度都是0.816，线性回归线都是y=3+0.5x。单从这些统计数字上看来，四组数据所反映出的实际情况非常相近，而事实上，这四组数据有着天壤之别。

把它们描绘在图表中，你会发现这四组数据是四种完全不同的情况。第一组数据是大多人看到上述统计数字的第一反应，是最“正常”的一组数据；第二组数据所反映的事实上是一个精确的二次函数关系，只是在错误地应用了线性模型后，各项统计数字与第一组数据恰好都相同；第三组数据描述的是一个精确的线性关系，只是这里面有一个异常值，它导致了上述各个统计数字，尤其是相关度值的偏差；第四组数据则是一个更极端的例子，其异常值导致了平均数、方差、相关度、线性回归线等所有统计数字全部发生偏差。

来源：
http://www.reddit.com/r/math/comments/9fz3u/4_datasets_that_demonstrate_the_importance_of/
http://en.wikipedia.org/wiki/Anscombe's_quartet

19、数据可视化：从探索到美学
w1x2y3的博客
10-11 16
本文深入探讨了数据可视化在数据科学中的关键作用，涵盖探索性数据分析、错误检测和信息沟通三大核心价值。文章详细介绍了面对新数据集时的探索步骤，包括数据来源、规模、字段含义、汇总统计、相关性分析和分布绘图，并通过Anscombe四重奏强调可视化优于单纯依赖统计指标的重要性。同时，文章系统阐述了可视化美学的设计原则，如最大化数据墨水比、最小化谎言因子与图表垃圾、合理使用颜色与刻度、利用重复图表进行比较等，帮助读者创建清晰、准确且具有美感的图表。最后，文章总结了从探索到美学的完整可视化流程，并推荐了适用于不同场景的
16、数据可视化：原理、方法与美学
最新发布
onion的博客
10-23 18
本文深入探讨了数据可视化的原理、方法与美学，涵盖其在探索性数据分析、错误检测和沟通交流中的重要作用。文章介绍了从数据理解到可视化设计的关键步骤，包括总结统计、相关性分析、分布绘图，并强调了Anscombe四重奏对可视化必要性的启示。通过实例讲解了如何选择合适的可视化工具，以及如何应用最大化数据墨水比、最小化谎言因子与图表垃圾等设计原则。最后结合电商销售数据案例，展示了从探索到展示再到交互式可视化的完整流程，展望了数据可视化在未来的发展方向。
anscombes-quartet:安斯科姆四重奏
05-19
安斯科姆的四重奏 。 是由4数据集组成的集合，这些数据集具有几乎相同的简单统计属性，但在绘制图形时会有很大差异。 创建了数据集，以说明为什么图形数据探索应该在统计数据分析之前进行，并显示异常值对统计属性的影响。 安装 $ npm install datasets-anscombes-quartet 用法 var data = require ( 'datasets-anscombes-quartet' ) ; 数据 包括4个人的数据集，其中每个单独的数据集是一个array的[x,y]的元组。 console . log ( data ) ; /* [ [ [10,8.04], [8,6.95], ... ], [ [10,9.14], [8,8.14], ... ], ... ] */ 例子 var toMatrix
Anscombe’s Quartet的数据 MATLAB绘图
专注于计算机视觉与计算机图形学
09-19 845
1、Anscombe’s Quartet的数据 数据的来源 http://www.matrix67.com/blog/archives/2308 文本格式的数据直接去上面的网站复制就好啦，或者下面是我在txt里面粘贴过来的 10.0 8.04 10.0 9.14 10.0 7.46 8.0 6.58 8.0 6.95 8.0 8.14 8.0 6.77 8.0 5.76 13.0 7.58 1...
Anscombe‘s Quartet 问题
Together_CZ的博客
01-17 4794
今天在进行可视化工作的时候遇上了一个名词，Anscombe's Quartet，不是很了解具体指的是什么就去WIKI百科里面查了一下，具体的链接在这里。 针对这个问题又查了一些资料汇总如下： 1973年，统计学家F.J. Anscombe构造出了四组奇特的数据。它告诉人们，在分析数据之前，描绘数据所对应的图像有多么的重要。这四组数据中，x值的平均数都是...
Echarts — 可视化练习（scatter02 — 安斯库姆四重奏）
懂得一千零一种,赋予你失败的方法！
12-15 1431
Echarts — 可视化练习（scatter02 — 安斯库姆四重奏） 安斯库姆四重奏（Anscombe’s quartet）是四组基本的统计特性一致的数据，但由它们绘制出的图表则截然不同。每一组数据都包括了11个(x,y)点。这四组数据由统计学家弗朗西斯·安斯库姆（Francis Anscombe）于1973年构造，他的目的是用来说明在分析数据前先绘制图表的重要性，以及离群值对统计的影响之大。 这四组数据的共同统计特性如下： 在四幅图中，由第一组数据绘制的图表（左上图）是看起来最“正常”的，可以
python排队论_绘制图表的重要性——基于Python从安斯库姆四重奏到等候排队理论的研究...
weixin_39624461的博客
12-15 491
Anscombe’s quartet - 安斯库姆四重奏 是四组基本的统计特性一致的数据，但它们的分布却非常不同。性质数值9x的方差11y的平均数7.50(精确到小数点后两位)y的方差4.122或4.127(精确到小数点后三位)x与y之间的相关系数0.816(精确到小数点后三位)y=3.00+0.500x(分别精确到小数点后两位和三位)让我们使用Python和seaborn库、Ciw库 etc. ...
10、医疗数据挖掘与分析：从模型到呈现
ww90123的博客
08-08 51
本文探讨了医疗数据挖掘与分析的关键步骤与方法，涵盖了数据挖掘模型的应用原则、结果验证的重要性、软件工具的选择、数据分析的准备与处理、结果解释与呈现方式、质量指标的考量、图形可视化技术以及避免数据误导的策略。重点介绍了Excel在数据可视化中的应用及其图表类型，同时强调了医疗数据分析中因果推断的局限性与多维度分析的必要性。旨在为医疗数据挖掘提供系统化的指导与实践参考。
1、数据科学入门：原理、方法与实践
w1x2y3的博客
09-23 25
本文全面介绍了数据科学的起源、核心原则与关键技术，涵盖从基础概念到高级建模方法的完整知识体系。内容包括数据收集与清理、统计与数学基础、回归分析、机器学习算法、大数据处理架构以及数据可视化实践。通过实际案例、Kaggle挑战和‘战争故事’等形式，强调理论与实践结合，帮助读者建立扎实的数据科学思维，并提供丰富的学习资源与工具指导。
Anscombe's quartet
Ouy_Kai的博客
06-09 688
题目描述 %matplotlib inline import random import numpy as np import scipy as sp import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import statsmodels.api as sm import statsmod...
四组数据比较
uibook的专栏
03-23 1264
四组数据比较 源明：在想什么呢？ 锦绣：俺在想你的考题？ 源明：就是那个四组数据比较问题？ 锦绣：嗯 源明：哈！“人类一思考，上帝就笑了”，“锦绣一思考，大家就笑了” 锦绣：什么意思？ 源明：总找不到答案呐 锦绣：就你有办法？！ 源明：不是，其实有时候必须“脑筋急转弯” 锦绣：换一个方式？ 源明：对呀，如果用简单排列，好像没有出彩的效果 锦绣：嗯 源明：把四组数据放在四个
高级编程技术【Anscombe's quartet】
SYSU_qsh的博客
06-12 538
Anscombe's quartet前期准备需安装的文件：Ipython、Jupyter要配置的Python的库：pandas、seaborn、statsmodels由于使用pip默认的源下载后面几个Python的库的时候很慢，所以这里分享从网上博客中找到的一个小技巧：pip可以自行指定下载源，如指定使用阿里云的镜像下载pandas：pip install -i http://mirrors.al...
【漫话机器学习系列】083.安斯库姆四重奏（Anscombe‘s Quartet）
IT古董
02-06 1228
安斯库姆四重奏（Anscombe's Quartet）是一组由统计学家弗朗西斯·安斯库姆（Francis Anscombe） 在 1973 年 提出的 四组数据集。它们的均值、方差、回归直线、相关系数等统计量几乎相同，但当绘制成图表时却呈现出完全不同的分布形态。这个四重奏展示了数据可视化的重要性，表明仅凭统计数值不能全面反映数据的真实分布。
Python - 探索安斯康姆四重奏数据集
与其临渊羡鱼,不如退而结网
09-20 378
这个数据集由四组具有相似统计特征的二维数据组成，旨在展示数据集之间的差异性和统计指标的重要性。通过使用 Python 和 Seaborn，我们能够轻松地加载 Anscombe’s quartet 数据集，并通过可视化工具更好地理解数据集之间的差异。在 Anscombe’s quartet 数据集中，虽然四个数据集的统计指标（如均值、方差等）非常相似，但它们的数据分布和形态却截然不同。这一示例强调了数据可视化的重要性，因为简单的统计摘要可能无法完全揭示数据的特征。现在，我们可以使用 Seaborn 的函数。
R语言自带数据集汇总
weixin_55798278的博客
01-01 852
R语言数据分析必备数据集 数据分析 数据处理
机器学习-笔试精选
weixin_41175904的博客
06-02 3953
机器学习-笔试精选
R语言的基础知识
weixin_45906368的博客
07-31 2319
R会对存储的内部文件格式的数据进行自动压缩处理，也会存储R元数据信息。数据包含因子，日期，时间或者类的属性信息。attitude #30个部门在七个方面的调查结果，调查结果是同一部门35个职员赞成的百分比。R中，矩阵是有维数的向量，矩阵的每个元素必须都拥有相同的模式，和向量一致。列表中可以存储若干向量，矩阵，数据框，甚至其它列表的组合 混合的数据结构。BOD #随水质的提高，生化反应对氧的需求（mg/l）随时间（天）的变化。因子本身也是一个向量，它是一个集合，里面的元素有分类效果(分类)
R语言绘制Anscombe四个数据集的散点图
11-01
R语言是一种广泛用于统计分析和图形展示的编程语言。要绘制Anscombe四个数据集的散点图，你可以按照以下步骤操作： 1. 首先，你需要安装并加载必要的包，如`ggplot2`，它是R中创建复杂图形的主要工具之一。如果还没有安装，可以使用`install.packages("ggplot2")`命令安装。 2. 然后，加载`ggplot2`和其他可能需要的库，例如`tidyverse`（包括一系列常用的数据处理和绘图函数）： ```R library(ggplot2) library(tidyverse) ``` 3. Anscombe的数据集已经内置在R中，可以通过`data()`函数直接获取，然后查看前几行确认数据： ```R data(anscombe) head(anscombe) ``` 4. 接下来，你可以选择一个数据集（比如第1组、第2组等），将其转化为适合`ggplot2`的格式，通常通过`gather()`函数将数据展开： ```R anscombe_long <- gather(anscombe, key = "variable", value = "value", everything()) ``` 5. 最后，使用`ggplot()`开始绘制图形，设置x轴和y轴变量，加上散点图层，并添加标题描述每个数据集： ```R anscombe_plots <- anscombe_long %>% ggplot(aes(x = value, y = variable)) + geom_point() + facet_wrap(~ variable, ncol = 2) + # 分为两列显示四个数据集 labs(title = "Anscombe's Quartet: Four Similar-looking Datasets") + theme_bw() # 使用黑白色调 print(anscombe_plots) ``` 完成以上步骤后，你将看到Anscombe四个数据集的散点图，尽管它们看起来非常相似，但仔细观察会发现一些微妙的区别。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值