《数据可视化 》 课件 第3章 数据的理解与分析.pdf

第3章数据的理解与分析

本章主要内容

3.1数据基础

3.2数据特征

3.3数据预处理

3.4数据存储

3.5数据分析

3.1数据基础

3.1.1数据属性

•是一个数据字段，数据对象的特征（Characteristics）

或特性（feature）.

•数据对象中往往包含一个或多个属性。

别名：

特征

维度

变量

3.1.2属性类型

类别型属性：⽤于区分不同数据对象的名称或符号。

属性类型

有序型属性:按照一定的意义排列顺序。

属性类型

数值型属性：是可度量的量，⽤整数或实数值表示。例如⻓度、重量、体积、温

度等常⻅物理属性。

离散型和连续型

•离散型属性的取值来⾃有限或可数的集合，例如等级，⽂档单

词，邮政编码等。

•连续型属性则对应于实数域，例如⾼度，温度和湿度等。

3.2数据特征

3.2.1基本统计描述

数据的宏观表达。把握数据的全貌，了解数据的分布状况，探索式数据分析的基础。

样本数据的基本统计特征分为三类：

集中趋势度量:表示数据的集中位置，寻找数据中的中⼼值或者代表值，主要有均值、中位数、众数等。

离中趋势度量：表示数据的分散程度，反映了数据远离中⼼值的程度，描述⼀组数据的波动性，主要有

标准差、极差、四分位数、四分位数极差、变异系数等。

数据分布形态:主要有偏态和峰态。

基本统计描述

均值

方差

方差用来衡量所有样本点偏离均值的程度。

标准差

是方差的平方根。

1

̅

中位数

指样本按从小到大排列后处于中间位置上的值。

中位数依赖数据的排序位置确定，而不是使用全部数据求得，

因而会损失部分数据信息，但它较少受到极端异常值影响。

百分位数

是中位数的推广，表明数据集中小于它的数的比例。

第一步：将n个变量值从小到大排列，X(j)表示此数列中第j个数。

第二步：计算指数，设(n+1)P%=j+g，j为整数部分，g为小数

部分。

第三步：1)当g=0时：P百分位数=X(j);

2)当g≠0时：P百分位数=g*X(j+1)+(1-g)*X(j)=X(j)+g*[X(j+1)-

X(j)]

例3.2

一家电器商城12个员工在某天售出的电视机数量按照升序

排列如下:

1,

3,

3,

3,

4，4，5，6，6，8，12，14

有12个数据，求第10百分位数？

在位置(12+1)X10%=1.3位置处，即在第一个数据和第二个数

据之间且离第一个数据30%位置处，因而第10百分数位是1+（3‐

1）×30%=1.6。

四分位数

三个四分位数，，将数据分成均匀的四份，因而和分

别为数据排序后位于25%和75%位置上的值，分别被称为第25百分位数

和第75百分位数。为中位数。

在例3.2中，、分别是多少？

的位置在？

的位置在？

四分位数间距

是测量数据分布宽度的值，定义为第75百分位数与第25百

分位数之间的距离，即和的差距。

反映了中间50%数据的离散程度，不受极端异常值的影响。

