在Python进行数据统计分析时，有多种指标可用于从不同角度描述和分析数据，以下是一些常见指标及其作用： ### 集中趋势指标 - **均值（mean）**：反映数据的平均水平，是所有数据的总和除以数据的个数。例如，在分析一组学生的考试成绩时，均值可以表示整体的平均成绩。在Python中，可以使用`df.mean()`计算均值 [^3][^4]。 - **中位数（median）**：将数据按大小顺序排列后，位于中间位置的数值。当数据存在极端值时，中位数比均值更能代表数据的中心位置。可以使用`df.median()`计算 [^3][^4]。 - **分位数**：将数据按从小到大排序后，划分成若干等份的数值点，常用的有四分位数。例如，第一四分位数（Q1）表示有25%的数据小于该值，第三四分位数（Q3）表示有75%的数据小于该值。分位数可以帮助了解数据的分布情况 [^3]。 - **众数**：数据中出现次数最多的数值，用于描述数据的集中趋势，适用于分类数据或离散型数据 [^3]。 ### 离散程度指标 - **极差**：数据中的最大值与最小值之差，反映数据的取值范围，体现数据的离散程度 [^3]。 - **四分位数**：除了用于描述集中趋势，四分位数还可以计算四分位间距（IQR），即第三四分位数与第一四分位数之差，用于衡量数据的离散程度，且不受极端值的影响 [^2][^3]。 - **方差（离均差平方）**：衡量数据相对于均值的离散程度，是每个数据与均值之差的平方的平均值。方差越大，数据的离散程度越大 [^2][^3]。 - **标准差（标准偏差、实验标准差、均方差）**：方差的平方根，与原始数据的单位相同，更直观地反映数据的离散程度 [^2][^3]。 - **协方差**：用于衡量两个变量之间的线性关系，正值表示两个变量正相关，负值表示负相关 [^2][^3]。 - **变异系数**：标准差与均值的比值，用于比较不同数据集的离散程度，消除了数据量纲的影响 [^3]。 ### 分布指标 - **偏度**：描述数据分布的偏斜程度，正值表示右偏（长尾在右侧），负值表示左偏（长尾在左侧） [^3]。 - **峰度**：衡量数据分布的峰态，反映数据在中心位置的聚集程度和尾部的厚度 [^3]。 ### 其他指标 - **极大值和极小值**：分别表示数据中的最大值和最小值，用于了解数据的取值范围 [^3]。 - **频数**：指某个数值或类别在数据中出现的次数，用于分析分类或等级变量的分布情况 [^3]。 - **构成比**：表示各部分在总体中所占的比例，用于了解数据的结构 [^3]。 - **卡方值**：用于检验两个或两个以上无序数据集之间的独立性 [^2]。 ### 代码示例 ```python import pandas as pd # 创建示例数据 data = {'col1': [1, 2, 3, 4, 5]} df = pd.DataFrame(data) # 计算均值 mean_value = df['col1'].mean() # 计算中位数 median_value = df['col1'].median() # 查看各项统计指标 describe_result = df['col1'].describe() print("均值:", mean_value) print("中位数:", median_value) print("各项统计指标:\n", describe_result) ```