统计学与pandas学习（一）

结合pandas学习《极简统计学》。第一章《用频数分布表和直方图刻画数据的特征》练习。

理论

根据原始数据什么也搞不明白，所以使用统计。

“统计”的手法，就是从原始数据，也就是“原始的现实”中，抽取出分布的特征和特点的方法。

统计学使用的方法叫“压缩”，是指“将作为数据列举的大量数字，以一定的基准进行整理，只抽取有意义的信息”。大致有以下两种手法：

1. 以图化捕捉其特征。
2. 以一个数字来代表特征。此数字叫做“统计量”。

做频数分布图，首先需要做频数分布表，步骤如下：

1. 找到数据中的最大值和最小值;
2. 分组：按最大值、最小值划分范围；
3. 决定“组值”：一般选择中间的数值；
4. 数出各组中的数据数——“频数”；
5. 计算“相对频数”，即各组的频数占全体的比例，相对频数相加等于1；
6. 计算“累计频数”，即频数合计，累计频数最终与全部数据数一致。

做直方图的步骤：

1. 在横轴上以等间距放置组值；
2. 在各组值上做柱形，柱的高度参考其组值所属分组的频数。

练习

题目

女大学生体重数据如下，请做频数分布表和直方图：

48, 54, 47, 50, 53, 43, 45, 43, 44, 47,
58, 46, 46, 63, 49, 50, 48, 43, 46, 45,
50, 53, 51, 58, 52, 53, 47, 49, 45, 42,
51, 49, 58, 54, 45, 53, 50, 69, 44, 50,
58, 64, 40, 57, 51, 69, 58, 47, 62, 47,
40, 60, 48, 47, 53, 47, 52, 61, 55, 55,
48, 48, 46, 52, 45, 38, 62, 47, 55, 50,
46, 47, 55, 48, 50, 50, 54, 55, 48, 50

频数分布

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

weights = np.array([
  48, 54, 47, 50, 53, 43, 45, 43, 44, 47, 
  58, 46, 46, 63, 49, 50, 48, 43, 46, 45, 
  50, 53, 51, 58, 52, 53, 47, 49, 45, 42, 
  51, 49, 58, 54, 45, 53, 50, 69, 44, 50, 
  58, 64, 40, 57, 51, 69, 58, 47, 62, 47, 
  40, 60, 48, 47, 53, 47, 52, 61, 55, 55, 
  48, 48, 46, 52, 45, 38, 62, 47, 55, 50, 
  46, 47, 55, 48, 50, 50, 54, 55, 48, 50])

sections = [35,40,45,50,55,60,65,70]
group_names = ['36~40','41~45','46~50','51~55','56~60','61~65','66~70']
cuts = pd.cut(weights,sections,labels=group_names)

计算频数：

counts = pd.value_counts(cuts)
dict(counts)

{‘36~40’: 3,
‘41~45’: 11,
‘46~50’: 33,
‘51~55’: 19,
‘56~60’: 7,
‘61~65’: 5,
‘66~70’: 2}

直方图

cuts.value_counts().plot(kind='bar')