頻度分析-用一定的分類方法將數組分類，統計各分組下樣本數量，以圖表輔助，用更直觀的方式描述出數組的分布趨勢。
業務意義：在實際數據分析工作中，經常需要將數據按照某個維度分段進行指標統計，以發現問題和解決問題。
例子：一個班40個學生，考試成績如下：
[73,87,88,65,73,76,80,95,83,69,55,67,70,94,86,81,87,95,84,92,92,76,69,97,72,90,72,85,80,83,97,95,62,92,67,73,91,95,86,77]
集中趨勢
print('均值:'+str(round(np.mean(score),1)),'中位數:'+str(np.median(score)),'眾數:'+str(stats.mode(score)[0][0]))
均值:81.3 中位數:83.0 眾數:95
離散程度
print('最高分:'+str(max(score)),'最低分:'+str(min(score)),'極差:'+str(max(score)-min(score)),'四分位距:'+str(
np.quantile(score,0.75)-np.quantile(score,0.25)),'方差:'+str(round(np.var(score),1)),'方差:'+str(round(np.std(score),1)))
最高分:97 最低分:55 極差:42 四分位距:18.5 方差:118.1 方差:10.9
- 最高分97，眾數為95說明學生分數在高分段集中，可反應試卷難度不高
- 最低分與均值相差81.3-55=26.5，偏差較大，該同學需要重點關注。
除了以上信息，若只依賴於基礎的數據指標，很難對數據做出全面的解讀。
數據頻度表-按照數據某些維度，將數組分段后進行統計。
bins = np.arange(55,101,5) #成績分段 bins = pd.cut(df,bins,include_lowest = True,right = False) bins_score = df.groupby(bins) bins_score.count() [55, 60) 1 [60, 65) 1 [65, 70) 5 [70, 75) 6 [75, 80) 3 [80, 85) 6 [85, 90) 6 [90, 95) 6 [95, 100) 6 dtype: int64
從上表中，可以直觀的發現，各分段的學生人數較為平均，說明此次考試並沒有拉開差距，形成兩級分化，另外部分同學分數較低，需要額外關注。
頻度直方圖
plt.hist(score,bins = 9) plt.show()
箱線圖
plt.boxplot(score) plt.show()
小結
在數據分析中，最重要的不是頻度分析方法，可是在頻度分析中體現的分類思想，將數據維度進行分段統計，更加直觀的觀察數據發現問題。
2020-04-15 01：54