python中的数据分布

集中趋势

集中趋势，又被称为“数据的中心位置”。

它能够代表性的描绘总体数据的某一特征。通常用平均数来反映数据的集中趋势。

数值平均数，才是我们过往说的平均数，它更专业的名字，叫做“均值”。

位置平均数，指的是“中位数。

例如要获取成绩单里成绩的均值和中位数

import pandas as pd
data = pd.read_csv(r"C:\Users\17585\Desktop\成绩单.csv")
# 使用mean()函数，获取成绩单的均值
mean = data["成绩"].mean()
 # 使用median()函数，获取成绩的中位数
median = data["成绩"].median()
 # 分别输出均值和中位数
print(mean)
print(median)

绘制直方图

直方图，是一种常用来展示数值数据分布的图表。

直方图和柱状图的区别：

1.直方图体现的是数据在各个区间的分布情况。而柱状图体现的是各个数据的变化趋势。

2.直方图x轴只能是数值型数据，而柱状图可以是类别型数据。

3.直方图是连续的图形分布，y轴是这一段区间内数量的总和。而柱状图是单一的柱形，y轴是这一个值对应的数量。

绘制直方图时，可以用plt.hist函数：

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv(r"C:\Users\17585\Desktop\成绩单.csv")
# 使用mean()函数，获取成绩单的均值
mean = data["成绩"].mean()
# 使用median()函数，获取成绩的中位数
median = data["成绩"].median()
# 分别输出均值和中位数
print(mean)
print(median)
# 绘制直方图,bins可以用来设置区间的数量
plt.hist(data["成绩"]，bins=100)
plt.show()

正态与偏态

正态分布，是日常生活中最为常见的一种分布状态。

它的特点是数据的分布相对均匀，并且符合统计学集中的规律。

直方图左右对称，数据的均值、中位数都相等。

而偏态，就是指数据的分布状态，并不是完全对称的。由于一些极端大、极端小的数据影响，使得数据分布会出现向左偏或者向右偏。

偏态直接反映在中位数和均值的大小上。

右偏态：中位数