专栏名称: 互联网分析沙龙

为您提供专业的商业模式、产品、数据、用户、电子商务、社会化媒体、移动互联网等深度分析的信息网站！秉承“信息交流、深度分享”的理念，是为用户缩短获取信息途径，提升阅读质量的深度分析网站。

解锁数据分析的正确姿势：描述统计(2)

互联网分析沙龙 · 公众号 · 科技媒体 · 2017-04-01 18:39

正文

因为每一个数据只能属于一个组，所以要规定组的上下限。上文划归的0～4组宽，实际是零到除五之间的数值，包括4.99这类。因为数值型数据可以连续地划分，分类数据没有这顾虑。

分组的过程也叫数据分桶bin，它是常见的一种数据清洗过程。在机器学习中，能提高模型泛化能力。

将汇总的结果生成条形图，调整系列样式，系列重叠和间隙宽度均为0。它的正式名字叫直方图。

条形图和直方图最大的区别在于矩形的间隔。直方图的矩形没有间隔，之间完全重合（图中的白线是为了显示清楚才加上的）。因为数值型数据的特点是连续性，不能有空档造成断开。

图中的直方图并不标准，横坐标的数字应该为[0,5,10,15,20…]且位于白线下方。我这里略过了。

频数既能用相对数表示，也能用百分比表示。区别在于纵轴。后者用于方便对比。

直方图的一个重要应用是提供了分布信息。不同直方图代表的业务意义不同。需要注意的是，分组将直接影响直方图的外形。

标准型的形态往往是中间高，两边低，呈中间的集中趋势。它代表一种稳定正常的形态。

双峰型，一般是混合了多种数据源或者类别数据造成的。