1.数据分析的流程
目标确定->数据获取->数据清洗->数据探索->洞察结论->数据报告
2.数据的分类
定类数据：按照类别属性进行分类，各类别之间是平等并列的关系，并且不能在各类别间进行排序，主要计算每一类别中项目的频数和频率等。如：颜色、性别、职位等
定序数据：数据之间可以进行排序、比较优劣。如：受教育程度、季度、等级等
定距数据：具有一定单位的实际测量值，定距数据的精确性比定类数据和定序数据更高，可进行加减计算。如：温度、成绩、年龄等
定比数据：可进行乘除运算，有绝对零点，如利润、薪酬、用户数
用户标识：定类数据
姓名：定类数据
性别：定类数据
年龄：定距数据
职业：定类数据
薪酬：定比数据
3.数据的统计指标
统计指标分为：总量指标、平均指标、相对指标
总量指标：描述总量规模
相对指标：描述部分与整体关系
平均指标（集中趋势）：数据一般水平
4.数据的集中趋势指标
集中趋势指标：用于体现数据的一般水平，最快速了解样本数据的概况，最常用的集中趋势指标就是平均值
平均值对异常数据不敏感，所以引入中位数
众数
使用python求解：
import numpy as np salary1=[8600,8700,9500,10400,11000,11500,12500] salary2=[3900,4500,7300,9500,11500,14500,21000] #比较平均数 salary1_mean=np.mean(salary1) print(salary1_mean) salary2_mean=np.mean(salary2) print(salary2_mean) #比较中位数 salary1_m=np.median(salary1) salary2_m=np.median(salary2) print(salary1_m) print(salary2_m) #比较众数 from scipy import stats salary1_m=stats.mode(salary1)[0][0] salary2_m=stats.mode(salary2)[0][0] print(salary1_m) print(salary2_m)
5.·数据的离散趋势指标
体现内部差异度的指标：极差、平均差、标准差
极差：相距最远的两个点之间的距离
平均差：
标准差：
课后作业
计算极差、平均差、标准差相应python代码
6.数据的分布形态
集中趋势指标课后作业
7.识别异常值
8.判定、处理异常值
