python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python数据分析

Python数据分析中常见统计方法详解

作者:Sitin涛哥

数据分析是现代社会中不可或缺的一部分,通过对数据的统计和分析,我们可以得出有用的信息和见解,本文将介绍在 Python 中常见的数据统计方法,希望对大家有所帮助

数据分析是现代社会中不可或缺的一部分,通过对数据的统计和分析,我们可以得出有用的信息和见解,支持决策和解决问题。本文将介绍在 Python 中常见的数据统计方法,包括描述性统计、假设检验、回归分析等,并提供详细的示例代码。

描述性统计

描述性统计是数据分析的第一步,它帮助了解数据的基本特征。以下是一些常见的描述性统计方法:

1. 平均值(均值)

平均值是数据集中所有数据的总和除以数据点的数量,用于衡量数据的集中趋势。

import numpy as np

data = [10, 20, 30, 40, 50]
mean = np.mean(data)
print("平均值:", mean)

2. 中位数

中位数是数据集中的中间值,将数据排序后位于中间位置的值。

import numpy as np

data = [10, 20, 30, 40, 50]
median = np.median(data)
print("中位数:", median)

3. 众数

众数是数据集中出现次数最多的值。

from statistics import mode

data = [10, 20, 30, 20, 50, 20]
mode_value = mode(data)
print("众数:", mode_value)

4. 标准差和方差

标准差和方差度量了数据的离散程度,标准差是方差的平方根。

import numpy as np

data = [10, 20, 30, 40, 50]
std_deviation = np.std(data)
variance = np.var(data)
print("标准差:", std_deviation)
print("方差:", variance)

5. 百分位数

百分位数表示数据中小于或等于给定百分比的观察值。常见的百分位数包括第25、第50和第75百分位数,分别对应于数据的下四分位数、中位数和上四分位数。

import numpy as np

data = [10, 20, 30, 40, 50]
q1 = np.percentile(data, 25)
median = np.percentile(data, 50)
q3 = np.percentile(data, 75)
print("下四分位数(Q1):", q1)
print("中位数:", median)
print("上四分位数(Q3):", q3)

假设检验

假设检验是用于验证关于总体统计特征的假设的方法。以下是一些常见的假设检验方法:

1. t-检验

t-检验用于比较两组数据之间的均值是否具有统计显著性差异。

import scipy.stats as stats

group1 = [25, 30, 35, 40, 45]
group2 = [20, 28, 32, 38, 42]

t_statistic, p_value = stats.ttest_ind(group1, group2)
print("t-统计量:", t_statistic)
print("p-值:", p_value)

2. 卡方检验

卡方检验用于确定两个分类变量之间是否存在相关性。

import scipy.stats as stats

observed = [[10, 20], [30, 40]]
chi2, p, dof, expected = stats.chi2_contingency(observed)
print("卡方统计量:", chi2)
print("p-值:", p)

3. 方差分析

方差分析用于比较多个组之间的均值是否存在统计显著性差异。

import scipy.stats as stats

group1 = [25, 30, 35, 40, 45]
group2 = [20, 28, 32, 38, 42]
group3 = [15, 18, 25, 30, 35]

f_statistic, p_value = stats.f_oneway(group1, group2, group3)
print("F-统计量:", f_statistic)
print("p-值:", p_value)

回归分析

回归分析用于探究变量之间的关系,其中最常见的是线性回归。

线性回归

线性回归用于拟合数据并确定自变量与因变量之间的线性关系。

import numpy as np
from scipy.stats import linregress
import matplotlib.pyplot as plt

​​​​​​​x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 5, 4, 5])

slope, intercept, r_value, p_value, std_err = linregress(x, y)

plt.scatter(x, y)
plt.plot(x, slope * x + intercept, color='red')
plt.xlabel('自变量')
plt.ylabel('因变量')
plt.show()

print("斜率:", slope)
print("截距:", intercept)
print("相关系数:", r_value)
print("p-值:", p_value)

数据可视化

数据可视化是数据分析的重要部分,它可以帮助更好地理解数据和趋势。

1. 直方图

直方图用于展示数据的分布情况。

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randn(1000)  # 生成随机数据
plt.hist(data, bins=20, density=True, alpha=0.6, color='g')
plt.xlabel('值')
plt.ylabel('频率')
plt.title('直方图')
plt.show()

2. 散点图

散点图用于展示两个变量之间的关系。

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(100)
y = 2 * x + np.random.randn(100)  # 创建线性关系

plt.scatter(x, y, marker='o', color='b', alpha=0.6)
plt.xlabel('自变量')
plt.ylabel('因变量')
plt.title('散点图')
plt.show()

以上只是数据分析中常见的一些统计方法和数据可视化技巧的示例,实际应用中可能需要根据具体问题选择合适的方法。

到此这篇关于Python数据分析中常见统计方法详解的文章就介绍到这了,更多相关Python数据分析内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文