抖动图
重叠数据偏移展示。不能读取定量信息(quantitative)
直方图
矩形组(bin)
参数:矩阵的宽度、矩阵的对齐方式。
矩阵宽度 Scott 规则
(数据集服从高斯分布)
相关图-频率多边形
问题:
分组丢失信息、直方图不是唯一的、不易反馈计算机处理、不易处理异常;
核密度估计KDE
Gaussian:
步骤:
移动核函数,把它移到每个点所在的位置;
选择核函数带宽;
KDE公式
直方图、核密度估计
直观、找某个特定数据点。
累积分布函数CDF
Xi <= x的所有xi;
汇总统计量、箱形图
平均数、中位数、标准差、百分位数
重点学习核密度估计的使用。可以通过Python numPy来实现。
核密度估计是为了用一定的量来表现所有数据的场合。
总结:
在单一变量的情况下。做数据分析可以做的就是密度统计。因为只有一个数据。除了最大值、最小值、平均值外,我们可以看到的就是统计它们的区间了。在这个情况下。我们最先使用的是点图。这个最简单。但是问题是如果有多个重复的值。我们很难表现,所以之后就有了抖动图、气抖动图是将重复的点用一定的偏移,使重复数据可以在图上表现出来。但是如果数据较多。就不能很直观的看出问题。所以就有了直方图。直方图是将数据点进行简单聚类的产物。这样可以看到每个区间的数据分布情况。但是直方图会省略很多数据、并且图的选取不同。产生的结果也是不一样的。会很大程度上影响结果。所以就有了核密度估计。也从这开始。数据变得可以自已展现数据的情况了。也是我了解的第一个数据分析图。一个变量,核密度可以非常直观的表现数据的密度情况。并且配合CDF。就可以清晰的展现数据了。