标签：排列 离散化 文本 分类 成绩 出现 可靠 最可靠的 详细
数据分析的入门思维，首先要认识数据，然后对数据进行简单的分析，比如描述性统计分析和相关性分析等。
变量和数据是数据分析中常用的概念，用变量来描述事物的特征，而数据是变量的具体值，把变量的值也叫做观测值。
1，变量
变量是用来描述总体中成员的某一个特性，例如，性别、年龄、身高、收入等。
变量可以分为：
2，数据
数据是变量的具体值，按照变量的类型，可以把数据分为：分类数据、顺序数据和数值型数据。
按照数据分析的目的，可以把数据分为实验组（Treatment）和参照组（Control）。
按照数据的类型，可以把数据分为：文本数据、数值型数据和日期时间数据。
3，缺失值
不是所有的数据都是完整的，有些观测值可能会缺失，对于缺失值，通常的处理方式是：删除缺失值所在的数据行，填充缺失值、插补缺失值。
4，观测值的重编码
数据分析中，通常需要把连续型变量转换为定序变量，例如，把学生的成绩划分为优秀、良好、合格和差4个等级，这种操作也称作离散化。
当观测数据所用的单位可能影响数据分析时，还需要对数据进行规范化，常用的规范化方法是：最小-最大规范化，标准化变换等。
观测值的重编码，后续会有详细的介绍。
描述性统计量分为：集中趋势、离散程度（离中趋势）和分布形态。
1，集中趋势的描述性统计量
2，离散程度的描述性统计量
3，分布形态的描述性统计量
偏度：用来评估一组数据的分布呈先的对称程度，当偏度=0时，分布是对称的；当偏度>0时，分布呈正偏态；当偏度<0时，分布呈负偏态。
峰度：用来评估一组数据的分布形状的高低程度的指标，当峰度=0时，分布和正态分布基本一直；当峰度>0时，分布形态高狭；当峰度<0时，分布形态低阔。
4，频率分析
频数分布分析（又称频率分析）主要通过频数分布表、条形图和直方图、百分位值等来描述数据的分布特征。
在做频数分布分析时，通常按照定性数据（即分类的类别），统计各个分类的频数，计算各个分类所占的百分比，进而得到频率分布表，最后根据频率分布表来绘制频率分布图。
5，按照时间递增的趋势分析
特殊情况下，当X轴是日期数据，Y轴是统计量（比如均值、总数量）时，可以绘制出统计量按照时间递增的趋势图，从图中可以看到统计量按照时间增加的趋势（无变化、递增或递减）和周期性。
例如，下图的X轴是日期，Y轴的统计量是总数量，两条折线分别是湖北确诊病例人数和湖北新增确诊病例人数：
相关性分析是研究事务之间是否存在某种依存关系，并对具有依存关系的现象进行相关方向和相关程度的分析。
相关程度用相关系数r表示，|r|<=1，r=0表示不相关，通常情况下，0 < | r | <1表示变量之间存在不同程度的线性相关，根据约定的规则：
参考文档：
分析思维 第四篇：数据分析入门阶段——描述性统计分析和相关分析
标签：排列 离散化 文本 分类 成绩 出现 可靠 最可靠的 详细
原文地址：https://www.cnblogs.com/ljhdo/p/11501415.html
