一、前言

1.1 關(guān)于描述性統(tǒng)計分析

概括地來說，描述性統(tǒng)計分析就是在收集到的數(shù)據(jù)的基礎(chǔ)上，運用制表和分類，圖形以及計算概括性數(shù)據(jù)來描述數(shù)據(jù)特征的各項活動。重要的是，該方法主要內(nèi)容包括頻數(shù)分析、集中趨勢分析、離散程度分析、分布以及一些基本的統(tǒng)計圖形。

1.2 本篇目的

本篇內(nèi)容主要是編寫python代碼，以實現(xiàn)描述性統(tǒng)計的基本需求，即通過程序獲得在描述性統(tǒng)計分析時所需要的數(shù)據(jù)內(nèi)容。具體見下。

1.3 提示

本系列篇屬于實踐類型的代碼編寫，需要一定的代碼基礎(chǔ)，因此有不理解的函數(shù)或方法可以查找他人的教程或是看本人所寫的基礎(chǔ)篇分享。本篇的中心內(nèi)容是2.1與2.2部分，該部分代碼可直接使用，根據(jù)需要可自行修改；而2.3可視化部分了解思路與代碼框架即可，代碼可根據(jù)個人需要重寫。

二、程序內(nèi)容的編寫

2.1 導(dǎo)入數(shù)據(jù)與前期處理

首先是導(dǎo)入excel表格里的數(shù)據(jù)，并進(jìn)行一些基本的設(shè)置。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
pd.set_option('display.max_columns',1000)
pd.set_option("display.width",1000)
pd.set_option('display.max_colwidth',1000)
pd.set_option('display.max_rows',1000)#將行和列的最大展示值設(shè)置到1000，則可展示更多的行而不是以省略號形式展示。
df=pd.read_excel(r'D:\雜貨\編碼數(shù)據(jù).xlsx',sheet_name='編碼數(shù)據(jù)')

第一、二、三行分別是導(dǎo)入pandas,numpy,matplotlib庫，后面會用到庫的內(nèi)容來編寫。

第四到第七行分別是將導(dǎo)入列表的輸出展示內(nèi)容擴(kuò)大到1000的數(shù)量（按照需要，1000這個數(shù)值還可以設(shè)置的更大），這樣在打印輸出表格的時候，就不會出現(xiàn)省略號省略掉中間內(nèi)容的情況。就像我在第一篇基礎(chǔ)篇中導(dǎo)入excel時出現(xiàn)的情況：

 設(shè)置好后的輸出情況：

 導(dǎo)入excel表格具體可看我第一篇內(nèi)容：如何在Python中導(dǎo)入EXCEL數(shù)據(jù)

 2.2 描述性統(tǒng)計分析所要計算的數(shù)據(jù)

通常，描述性統(tǒng)計分析需要各變量的觀測值數(shù)量、均值、方差、標(biāo)準(zhǔn)差、最大最小值等，而在python中可運用庫的方法計算出各個數(shù)據(jù)。詳細(xì)代碼見以下：

obs=df.count()#觀測值
means=df.mean()#均值
var=df.var()#方差
std=df.std()#標(biāo)準(zhǔn)差
min=df.min()#最小值
max=df.max()#最大值
mode=df.mode()#眾數(shù)
siyi=df.quantile(0.25)#四分之一位數(shù)
sisan=df.quantile(0.75)#四分之三位數(shù)
median=df.median()#中位數(shù)
skew=df.skew()#偏度
kurt=df.kurt()#峰度
print("最大值:\n",max,'\n',"最小值:\n",min,'\n','觀測量:\n',obs,'\n','均值:\n',means,'\n',
      "方差:\n",var,"\n",'標(biāo)準(zhǔn)差:\n',std,'\n',"眾數(shù): ",mode,"\n",'四分之一位數(shù):\n',siyi,'\n',
      '四分之三位數(shù):\n',sisan,'\n','中位數(shù):\n',median,'\n','偏度:\n',skew,'\n','峰度：\n',kurt)

代碼的含義在注釋中已經(jīng)標(biāo)注出來了，不再贅述。（print里的“\n”表示換行輸出）在運行以上代碼后，可以得到excel表格中每一列的對應(yīng)數(shù)據(jù)，展示如下：

 輸出的樣式如上圖，由于結(jié)果太多太長，就不一一展示。

2.3 數(shù)據(jù)可視化

2.3.1 概述

描述性統(tǒng)計分析中，除了列出以上的分析數(shù)據(jù)以外，在多數(shù)情況下仍然需要對重要的數(shù)據(jù)給出可視化的內(nèi)容，即作圖。數(shù)據(jù)可視化的圖的類型有很多種，比如說折線圖、柱狀圖、條形圖、散點圖、氣泡圖、雷達(dá)圖、箱線圖等。而在一般的數(shù)據(jù)分析類報告中，最常用的便是折線圖、柱狀圖，因此在本篇中只介紹這兩種可視化方法，其他的在后續(xù)教程分享中會按需要給出。

2.3.2 思路

可視化之前要有一個編寫代碼的思路，而作圖的基本思路如下：

建立畫布建立坐標(biāo)系輸入x軸數(shù)據(jù)與y軸數(shù)據(jù)設(shè)定x軸與y軸的刻度并給刻度命名作圖2.3.3 編寫代碼 

fig=plt.figure()#建立畫布
ax1=fig.add_subplot(1,1,1)#建立坐標(biāo)系
 
x=np.arange(7)#x軸數(shù)據(jù)
y=np.array([jishu1,jishu2,jishu3,jishu4,jishu5,jishu6,jishu7])#y軸數(shù)據(jù)
 
plt.xticks(np.arange(7),['0-50元','50-100元','100-150元','150-200元','200-250元','250-300元','300元及以上'])#x軸長度與命名
plt.yticks(np.arange(0,350,50))#y軸長度與命名
plt.plot(x,y)#作圖

建立坐標(biāo)系：

建立坐標(biāo)系中，add_subplot()方法括號里的數(shù)字的含義是：一行一列的第一個坐標(biāo)系。這么說可能有點抽象，我給出以下例子：

#代碼1：
fig=plt.figure()#建立畫布
ax1=fig.add_subplot(1,1,1)#建立坐標(biāo)系
 
#代碼2：
fig=plt.figure()#建立畫布
ax1=fig.add_subplot(2,2,1)#建立坐標(biāo)系1
ax2=fig.add_subplot(2,2,2)#建立坐標(biāo)系2
ax3=fig.add_subplot(2,2,3)#建立坐標(biāo)系3
ax4=fig.add_subplot(2,2,4)#建立坐標(biāo)系4

代碼1中的（1，1，1）表示一行一列的第一個坐標(biāo)系；代碼二中的（2，2，1）表示二行二列的第一個坐標(biāo)系，（2，2，2）表示二行二列的第二個坐標(biāo)系，（2，2，3）表示二行二列的第三個坐標(biāo)系，（2，2，4）表示二行二列的第四個坐標(biāo)系。

而這兩段代碼展示出的坐標(biāo)圖是不一樣的，見下圖：

代碼1：

 代碼2：

 對比兩個輸出結(jié)果，可以很容易地知道，代碼1一張圖中只作了一個坐標(biāo)系，而代碼2的一張圖中作出了四個坐標(biāo)系。一行一列的第一個坐標(biāo)系指的就是代碼1唯一的這一個坐標(biāo)系，而二行二列的第一個坐標(biāo)系指的是左上角的坐標(biāo)系，二行二列的第四個坐標(biāo)系指的是右下角的坐標(biāo)系。這樣應(yīng)該就能比較好地理解這個函數(shù)的意義了。

附上數(shù)據(jù)（坐標(biāo)）：

看到x與y軸數(shù)據(jù)的代碼，其中np.arange()函數(shù)是調(diào)用的np庫的函數(shù)方法。arange()中，方法與range()長的比較像：arange(start,end,step)。具體含義可以查看后續(xù)基礎(chǔ)篇分享。若了解range()函數(shù)的話，那么arange(7)中的數(shù)字7的含義我也不用多說。x=np.arange(7)則表示橫坐標(biāo)x分別等于0，1，2，3，4，5，6時對應(yīng)的情況。對于y中的array()函數(shù)，其主要是用于矩陣或數(shù)組的輸入的，而本篇中的代碼：y=np.array([jishu1,jishu2,jishu3,jishu4,jishu5,jishu6,jishu7])，其中的jishu1這一系列的命名是我定義的變量名，其具體含義我在后文補充，總之在array()中需要輸入的也是數(shù)字。（按照各個問題的需要，本篇使用了array()，而x與y都適用np.arange()來輸入數(shù)據(jù)都是可以的）。

由此，x與y的數(shù)值組成了一個坐標(biāo)（x，y），從而能定義一個點的位置。

設(shè)定刻度（又可稱長度）與名稱：

最后三行代碼中的plt.xticks()與plt.yticks()方法分別是為了設(shè)定坐標(biāo)刻度（又可稱長度）與名稱準(zhǔn)備的。其中，括號內(nèi)的方法為：（刻度，命名），而np.arange(7)表示橫坐標(biāo)軸設(shè)定的長度為7，列表['0-50元','50-100元','100-150元','150-200元','200-250元','250-300元','300元及以上']即每一個刻度的命名。

最后一行代碼則是作出符合以上條件的坐標(biāo)圖。

其結(jié)果展示如下：

 顯而易見，x軸的刻度編程了我所設(shè)定的名稱，y軸沒有設(shè)定名稱，則以數(shù)值的形式出現(xiàn)。

為了使坐標(biāo)圖更加直觀，我們也可以給x軸和y軸賦上標(biāo)簽，代碼如下：

plt.xlabel('消費金額')#x軸的標(biāo)簽
plt.ylabel('人數(shù)')#y軸的標(biāo)簽

此時坐標(biāo)圖如下：

 對比前面的坐標(biāo)圖，此時的坐標(biāo)圖中x軸和y軸都有了它們的“名字”，這樣圖的關(guān)系就更加明朗了。

2.4 補充內(nèi)容

前面提到，array()函數(shù)中的列表是什么意思。我是以我自己所收集的數(shù)據(jù)為例，寫的本篇內(nèi)容，因此有的地方是看個人研究需要而寫的代碼，在該部分我加以解釋。

Q7=df.iloc[:,15]
q7=[]
for i in Q7:
      q7.append(i)
print(q7)#讀取所要分析的列的數(shù)據(jù)
jishu1=int(q7.count(1))
jishu2=int(q7.count(2))
jishu3=int(q7.count(3))
jishu4=int(q7.count(4))
jishu5=int(q7.count(5))
jishu6=int(q7.count(6))
jishu7=int(q7.count(7))#計數(shù)
print('0-50元的有：',jishu1,'\n','50-100元的有：',jishu2,'\n','100-150元的有：',jishu3,'\n',
      '150-200元的有：',jishu4,'\n','200-250元的有：',jishu5,'\n','250-300元的有：',jishu6,'\n','300元及以上的有：',jishu7,'\n')

第一行的df.iloc[:,15]表示的含義是我要讀取第十五列的變量的數(shù)據(jù)，該內(nèi)容為“選取excel表格中的某一列”的方法的內(nèi)容，屬于基礎(chǔ)篇的操作，在后續(xù)我會在基礎(chǔ)篇中分享給部分的內(nèi)容，不在此地贅述。

下面的循環(huán)是我將讀取的函數(shù)放入列表中，并用count()函數(shù)計算個數(shù)（該數(shù)據(jù)為人數(shù)計數(shù)，因此count()實際上是在數(shù)人數(shù)），由此得出以下各個消費段的人數(shù)，輸出結(jié)果如下：

 這七個數(shù)值就是y軸輸入的數(shù)據(jù)。由此應(yīng)該就能理解我在編寫y軸輸入數(shù)據(jù)的代碼時列表里的幾個變量名是啥意思了。

三、完整代碼與總結(jié)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
pd.set_option('display.max_columns',1000)
pd.set_option("display.width",1000)
pd.set_option('display.max_colwidth',1000)
pd.set_option('display.max_rows',1000)#將行和列的最大展示值設(shè)置到1000，則可展示更多的行而不是以省略號形式展示。
df=pd.read_excel(r'D:\雜貨\編碼數(shù)據(jù).xlsx',sheet_name='編碼數(shù)據(jù)')
obs=df.count()#觀測值
means=df.mean()#均值
var=df.var()#方差
std=df.std()#標(biāo)準(zhǔn)差
min=df.min()#最小值
max=df.max()#最大值
mode=df.mode()#眾數(shù)
siyi=df.quantile(0.25)#四分之一位數(shù)
sisan=df.quantile(0.75)#四分之三位數(shù)
median=df.median()#中位數(shù)
skew=df.skew()#偏度
kurt=df.kurt()#峰度
print("最大值:\n",max,'\n',"最小值:\n",min,'\n','觀測量:\n',obs,'\n','均值:\n',means,'\n',
      "方差:\n",var,"\n",'標(biāo)準(zhǔn)差:\n',std,'\n',"眾數(shù): ",mode,"\n",'四分之一位數(shù):\n',siyi,'\n',
      '四分之三位數(shù):\n',sisan,'\n','中位數(shù):\n',median,'\n','偏度:\n',skew,'\n','峰度：\n',kurt)
 
#作圖
Q7=df.iloc[:,15]
q7=[]
for i in Q7:
      q7.append(i)
print(q7)#讀取所要分析的列的數(shù)據(jù)
jishu1=int(q7.count(1))
jishu2=int(q7.count(2))
jishu3=int(q7.count(3))
jishu4=int(q7.count(4))
jishu5=int(q7.count(5))
jishu6=int(q7.count(6))
jishu7=int(q7.count(7))#計數(shù)
print('0-50元的有：',jishu1,'\n','50-100元的有：',jishu2,'\n','100-150元的有：',jishu3,'\n',
      '150-200元的有：',jishu4,'\n','200-250元的有：',jishu5,'\n','250-300元的有：',jishu6,'\n','300元及以上的有：',jishu7,'\n')
 
fig=plt.figure()#建立畫布
ax1=fig.add_subplot(1,1,1)#建立坐標(biāo)系
 
x=np.arange(7)#x軸數(shù)據(jù)
y=np.array([jishu1,jishu2,jishu3,jishu4,jishu5,jishu6,jishu7])#y軸數(shù)據(jù)
 
plt.xticks(np.arange(7),['0-50元','50-100元','100-150元','150-200元','200-250元','250-300元','300元及以上'])#x軸長度與命名
plt.yticks(np.arange(0,350,50))#y軸長度與命名
plt.plot(x,y)#作圖
plt.xlabel('消費金額')#x軸代表的名字
plt.ylabel('人數(shù)')#y軸代表的名字

到此這篇關(guān)于如何使用Python程序完成描述性統(tǒng)計分析需求的文章就介紹到這了,更多相關(guān)Python完成描述性統(tǒng)計分析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論