數據分析的入門思維，首先要認識數據，然后對數據進行簡單的分析，比如描述性統計分析和相關性分析等。
一，認識變量和數據
變量和數據是數據分析中常用的概念，用變量來描述事物的特征，而數據是變量的具體值，把變量的值也叫做觀測值。
1，變量
變量是用來描述總體中成員的某一個特性，例如，性別、年齡、身高、收入等。
變量可以分為：
- 定性變量：用於分類，一般是文本，例如，性別、顏色
- 定序變量：用於表示等級或次序的變量，例如，學歷，職位，排名等，變量的值可以把事務排列為高低或大小，但是各個變量值之間沒有確切的間隔距離，無法確定兩個定序變量之間相差多少。
- 定量變量：是數量變量，能夠比較大小。分為兩類：離散變量和連續變量。
2，數據
數據是變量的具體值，按照變量的類型，可以把數據分為：分類數據、順序數據和數值型數據。
按照數據分析的目的，可以把數據分為實驗組（Treatment）和參照組（Control）。
按照數據的類型，可以把數據分為：文本數據、數值型數據和日期時間數據。
3，缺失值
不是所有的數據都是完整的，有些觀測值可能會缺失，對於缺失值，通常的處理方式是：刪除缺失值所在的數據行，填充缺失值、插補缺失值。
4，觀測值的重編碼
數據分析中，通常需要把連續型變量轉換為定序變量，例如，把學生的成績划分為優秀、良好、合格和差4個等級，這種操作也稱作離散化。
當觀測數據所用的單位可能影響數據分析時，還需要對數據進行規范化，常用的規范化方法是：最小-最大規范化，標准化變換等。
觀測值的重編碼，后續會有詳細的介紹。
二，描述性統計分析
描述性統計量分為：集中趨勢、離散程度（離中趨勢）和分布形態。
1，集中趨勢的描述性統計量
- 均值：是指一組數據的算術平均數，描述一組數據的平均水平，是集中趨勢中波動最小、最可靠的指標，但是均值容易受到極端值（極小值或極大值）的影響。
- 中位數：是指當一組數據按照順序排列后，位於中間位置的數，不受極端值的影響，對於定序型變量，中位數是最適合的表征集中趨勢的指標。
- 眾數：是指一組數據中出現次數最多的觀測值，不受極端值的影響，常用於描述定性數據的集中趨勢。
2，離散程度的描述性統計量
- 最大值和最小值：是一組數據中的最大觀測值和最小觀測值
- 極差：又稱全距，是一組數據中的最大觀測值和最小觀測值之差，記作R，一般情況下，極差越大，離散程度越大，其值容易受到極端值的影響。
- 方差和標准差：是描述一組數據離散程度的最常用、最適用的指標，值越大，表明數據的離散程度越大。
3，分布形態的描述性統計量
偏度：用來評估一組數據的分布呈先的對稱程度，當偏度=0時，分布是對稱的；當偏度>0時，分布呈正偏態；當偏度<0時，分布呈負偏態。
峰度：用來評估一組數據的分布形狀的高低程度的指標，當峰度=0時，分布和正態分布基本一直；當峰度>0時，分布形態高狹；當峰度<0時，分布形態低闊。
4，頻率分析
頻數分布分析（又稱頻率分析）主要通過頻數分布表、條形圖和直方圖、百分位值等來描述數據的分布特征。
在做頻數分布分析時，通常按照定性數據（即分類的類別），統計各個分類的頻數，計算各個分類所占的百分比，進而得到頻率分布表，最后根據頻率分布表來繪制頻率分布圖。
5，按照時間遞增的趨勢分析
特殊情況下，當X軸是日期數據，Y軸是統計量（比如均值、總數量）時，可以繪制出統計量按照時間遞增的趨勢圖，從圖中可以看到統計量按照時間增加的趨勢（無變化、遞增或遞減）和周期性。
例如，下圖的X軸是日期，Y軸的統計量是總數量，兩條折線分別是湖北確診病例人數和湖北新增確診病例人數：
三，相關性分析
相關性分析是研究事務之間是否存在某種依存關系，並對具有依存關系的現象進行相關方向和相關程度的分析。
相關程度用相關系數r表示，|r|<=1，r=0表示不相關，通常情況下，0 < | r | <1表示變量之間存在不同程度的線性相關，根據約定的規則：
- | r | <=0.3 ：為弱線性相關或不存在線性相關；
- 0.3 < | r | <=0.5 ：低度線性相關，認為存在線性相關，但是相關性不明顯
- 0.5 < | r | <=0.8 ：顯著線性相關，認為存在強線性相關，存在明顯的相關性
- | r | >0.8 ：高度相關，認為存在極強的線性相關
參考文檔：