此文是《10周入門數(shù)據(jù)分析》系列的第8篇

想了解學(xué)習(xí)路線，可以先閱讀“學(xué)習(xí)計劃 | 10周入門數(shù)據(jù)分析”

前一篇分享了統(tǒng)計學(xué)需要掌握的知識，在數(shù)據(jù)分析過程中，廣泛用于數(shù)據(jù)質(zhì)量處理，分析模型構(gòu)建以及數(shù)據(jù)挖掘。今天這篇文章將詳細講統(tǒng)計學(xué)中最基礎(chǔ)的描述統(tǒng)計。

試想，當你拿到一份數(shù)據(jù)會怎么做？二話不說做個圖？

此前也無數(shù)次強調(diào)，拿到數(shù)據(jù)需要觀察數(shù)據(jù)情況和數(shù)據(jù)質(zhì)量，對數(shù)據(jù)進行描述統(tǒng)計分析，以發(fā)現(xiàn)其內(nèi)在的規(guī)律，再選擇進一步分析的方法。

什么是描述性統(tǒng)計？

描述性統(tǒng)計分析要對調(diào)查總體所有變量的有關(guān)數(shù)據(jù)做統(tǒng)計性描述，主要包括數(shù)據(jù)的頻數(shù)分析、數(shù)據(jù)的集中趨勢分析、數(shù)據(jù)離散程度分析、數(shù)據(jù)的分布、以及一些基本的統(tǒng)計圖形。

常用的指標有均值、中位數(shù)、眾數(shù)、方差、標準差等等。數(shù)據(jù)的集中趨勢一般采用平均值、中位數(shù)表示。數(shù)據(jù)的離散程度一般采用方差、標準差表示。數(shù)據(jù)的分布情況一般采用直方圖表示。

具體概念前一篇有做詳解，就不贅述了。接下來我將用Excel來分別解釋每一種統(tǒng)計方法的應(yīng)用以及這些統(tǒng)計方法在Excel中的實現(xiàn)方式。

Excel數(shù)據(jù)分析工具庫

專業(yè)的統(tǒng)計分析工具有SPSS，R或Python，但對于大部分新手一天兩天比較難上手。永遠不要忘記萬能的Excel，Excel 2016 里自帶以了一個統(tǒng)計分析工具——“分析工具庫”。實際上就是一個外部宏（程序）模塊，專門為用戶提供一些高級統(tǒng)計函數(shù)和實用的數(shù)據(jù)分析工具。

分析工具庫內(nèi)置了19個模塊，可以分為以下幾大類：

加載EXCEL分析工具庫

首先你得要有Excel 2016 。（ 文末有獲取方式 ）

安裝好2016版后，文件—選項—切換到“加載項”選項卡，在“管理”下拉列表中選擇“EXCEL加載項”選項，單擊“轉(zhuǎn)到”按鈕，跳轉(zhuǎn)到如下“加載宏”對話框，勾選“分析工具庫”復(fù)選框，再單擊“確定”按鈕

以上一波操作后，“數(shù)據(jù)”選項卡中會顯示出添加的“數(shù)據(jù)分析”功能。

案例分析：

現(xiàn)在有一份北京房價數(shù)據(jù)：

1）北京市政府為調(diào)控房地產(chǎn)價格，希望知道北京各小區(qū)房屋價格的分布，請分析房地產(chǎn)價格的集中趨勢，并選擇合適的圖形呈現(xiàn)。

2）房地產(chǎn)商想知道北京各個環(huán)線房屋裝修狀況的對比情況，以便進行產(chǎn)品設(shè)計和市場拓展，計算指標并設(shè)計合適的圖形呈現(xiàn)結(jié)果，最后給房地產(chǎn)商一些建議。

3）選擇合適的圖形反映北京各個區(qū)住宅區(qū)房屋分布情況

操作步驟：

• 基本描述統(tǒng)計打開excel數(shù)據(jù)文件
• 選擇描述統(tǒng)計，單擊“確定”按鈕。

隨后，就會生成如下的統(tǒng)計分析結(jié)果，就省得一個個函數(shù)去計算了。

直方圖

根據(jù)描述統(tǒng)計的結(jié)果，在空白列構(gòu)造間隔為0.5的等差數(shù)列作為接收區(qū)域D1:D19，最大值為9,最小值為0。

選擇數(shù)據(jù)，單擊“數(shù)據(jù)”選項卡，選擇“數(shù)據(jù)分析”選項框中的“直方圖”選項

輸入?yún)^(qū)域選擇房屋價格avgprice列$B$2:$B$186，接收區(qū)域選擇第一步構(gòu)造的接收數(shù)據(jù)，即D1:D19數(shù)據(jù)。

輸出區(qū)域選擇G3，勾選圖表輸出，然后單擊“確定”按鈕。

選中整個直方圖，右鍵單擊選擇“設(shè)置數(shù)據(jù)系列格式”，單擊“系列選項”，分類間距設(shè)為0。

可以看出，北京的房價普遍分布在2W~4.5W，2.5W占絕大多數(shù)。

關(guān)于直方圖

直方圖是描述統(tǒng)計中很常見的一個應(yīng)用，不同直方圖代表的業(yè)務(wù)意義不同。

箱型圖

對于數(shù)據(jù)的離散情況，還有一個更直觀的方法，就是箱線圖。箱線圖利用6個指標描述數(shù)據(jù)的離散情況。這6個指標分別是最小值，第一四分位數(shù)、中位數(shù)、第三四分位數(shù)與最大值和異常值。

• 中位數(shù)：中位數(shù)是一組從小到大排序數(shù)據(jù)中位置在最中間的一個數(shù)據(jù)（兩個數(shù)據(jù)取均值）。
• 第1(下)四分位數(shù)：第1四分位數(shù)與中位數(shù)算法類似，是對一組數(shù)據(jù)中50%數(shù)據(jù)再取中位數(shù)。一組數(shù)據(jù)中如果有25%的數(shù)據(jù)小于這個數(shù)，那么這個數(shù)是第1四分位數(shù)。
• 第3(上)四分位數(shù)：一組數(shù)據(jù)中如果有75%的數(shù)據(jù)小于這個數(shù)據(jù)，那么這個數(shù)是第3四分位數(shù)。
• 異常值：異常值是指這個數(shù)據(jù)與四分位數(shù)的差達到5倍的值。箱線圖中異常值的表示方法有兩種，1.5倍-3倍差之間用空心的點表示。超過3倍的異常值，用實心點表示。
• 上限和下限數(shù)：除了異常值之外，最靠近上邊緣和下邊緣的兩個數(shù)值為上限數(shù)和下限數(shù)。

現(xiàn)在來了解北京各區(qū)的房價分析，把他加工成箱型圖，這也是最常用的描述統(tǒng)計圖表。

Excel 2016 可以直接制作箱型圖。Excel的箱型圖定位6個數(shù)據(jù)：最大值、最小值、中位數(shù)、上四分位數(shù)、下四分位數(shù)、平均值，還有異常值。

操作步驟：

1、選擇所要統(tǒng)計的數(shù)據(jù)，即均價。

2、選擇箱型圖

3、“選擇數(shù)據(jù)源”中，水平分類軸加上“區(qū)域”，如下

調(diào)整一下樣式得到如下箱型圖。

中間黑色出現(xiàn)是各區(qū)域中游水平的房價標準（中位數(shù)）；x是全區(qū)域的平均房價水平（平均值）；箱型上端代表中上游水平；箱型下端代表中下游水平，以此類推。簡而言之，房價分布被四等分了。

我們來解讀一下：朝陽區(qū)的房價分布范圍較廣，高低值差異較大，可能和橫跨多環(huán)有關(guān)，整體平均水平位于四區(qū)域前列。海淀區(qū)平均房價次之，但也不低。豐臺區(qū)房價分布較為集中且偏態(tài)較小，跨度相對較小。通州區(qū)很明顯整體房價最低。

這張圖能一眼看出不少內(nèi)容，想必大家已經(jīng)明白箱線圖的作用了，它能讀出數(shù)據(jù)的整體分布和傾斜趨勢（偏態(tài)）。

到這里，描述統(tǒng)計的內(nèi)容就結(jié)束了。描述統(tǒng)計是分析數(shù)據(jù)的一種技巧，包含數(shù)據(jù)的集中度量(平均數(shù)、中位數(shù)、眾數(shù))、數(shù)據(jù)的離散（方差、標準差）、數(shù)據(jù)的分布（箱線圖、條形圖、直方圖）三塊。

此文是《10周入門數(shù)據(jù)分析》系列的第8篇。

想了解學(xué)習(xí)路線，可以前往公眾號先行閱讀“ 學(xué)習(xí)計劃 | 10周入門數(shù)據(jù)分析