python数据分析及可视化课程介绍（01）以及统计学的应用、介绍、分类、基本概念及描述性统计
一、Python数据分析及可视化课程介绍
课程目标
掌握核心工具
使用
Pandas进行数据清洗、转换、聚合。使用
NumPy进行数值计算与数组操作。使用
Matplotlib、Seaborn、Plotly实现数据可视化。
实战能力培养
从数据获取到洞察输出的完整流程（数据采集 → 清洗 → 分析 → 可视化 → 报告）。
案例涵盖金融、电商、社交媒体等领域。
统计学应用
将统计学方法（如假设检验、回归分析）融入代码实践。
核心内容
| 模块 | 内容说明 |
|---|---|
| 数据预处理 | 缺失值处理、异常值检测、数据归一化、特征工程 |
| 数据分析 | 聚合计算（groupby）、时间序列分析、相关性分析 |
| 可视化技术 | 折线图/柱状图/散点图、热力图、分布图、交互式仪表盘（Plotly/Dash） |
| 高级应用 | 文本数据分析、机器学习初步（Scikit-Learn集成） |
工具链示例
# 典型工作流示例
import pandas as pd
import seaborn as sns# 1. 数据加载与清洗
df = pd.read_csv("data.csv")
df_clean = df.dropna().query("sales > 0")# 2. 描述性统计
print(df_clean.describe())# 3. 可视化分析
sns.boxplot(x="category", y="sales", data=df_clean)
plt.title("销售额按类别分布")
plt.show()二、统计学的应用与分类
应用场景
商业决策：市场分析、用户行为预测、A/B测试。
科学研究：实验设计、结果显著性验证。
人工智能：机器学习模型训练与评估（如置信区间、p值）。
分类
| 类型 | 描述 |
|---|---|
| 描述统计学 | 整理和概括数据特征（均值、方差、图表）。 |
| 推断统计学 | 通过样本推断总体特征（假设检验、置信区间、回归分析）。 |
| 贝叶斯统计学 | 结合先验概率更新结论（如垃圾邮件过滤）。 |
三、统计学基本概念
基础术语
| 概念 | 说明 |
|---|---|
| 总体 vs 样本 | 总体：所有研究对象；样本：总体的子集。 |
| 变量类型 | 定量（连续/离散）、定性（分类/有序）。 |
| 参数 vs 统计量 | 参数：总体特征（如总体均值μ）；统计量：样本特征（如样本均值x̄）。 |
数据度量尺度
定类尺度（Nominal）
分类标签（如性别：男/女）。
定序尺度（Ordinal）
有序分类（如满意度：高/中/低）。
定距尺度（Interval）
数值可加减（如温度℃），无绝对零点。
定比尺度（Ratio）
数值可乘除（如销售额），有绝对零点。
四、描述性统计核心方法
1. 集中趋势
| 指标 | 公式/说明 | 适用场景 |
|---|---|---|
| 均值 | x̄ = Σx_i / n | 数据分布对称时 |
| 中位数 | 有序数据中间值 | 数据有异常值时 |
| 众数 | 出现频率最高的值 | 定性数据分析 |
2. 离散程度
| 指标 | 公式/说明 | 重要性 |
|---|---|---|
| 方差 | σ² = Σ(x_i - x̄)² / (n-1) （样本方差） | 衡量数据波动性 |
| 标准差 | σ = √σ² | 与原始数据同单位，更直观 |
| 四分位距 | IQR = Q3 - Q1 （Q1/Q3为25%/75%分位数） | 排除异常值影响 |
3. 分布形态
偏度（Skewness）：
左偏（均值 < 中位数）、右偏（均值 > 中位数）。
峰度（Kurtosis）：
描述分布尾部的厚重性（高峰瘦尾 vs 低峰厚尾）。
4. 相关性分析
皮尔逊相关系数（Pearson’s r）：
衡量两连续变量的线性相关性（
r ∈ [-1, 1]）。Python实现：
df[["col1", "col2"]].corr(method="pearson")五、Python实现描述性统计示例
import pandas as pddata = {"销售额": [120, 150, 90, 200, None, 180], "成本": [80, 90, 70, 110, 100, 95]}
df = pd.DataFrame(data)# 1. 基础描述统计
desc = df.describe(include="all") # 包含非数值型变量# 2. 处理缺失值
df_fill = df.fillna(df["销售额"].median())# 3. 分组聚合分析
print(df_fill.groupby("产品类别")["销售额"].agg(["mean", "std"]))# 4. 可视化分布
import seaborn as sns
sns.histplot(df_fill["销售额"], kde=True) # 直方图 + 密度曲线输出结果解读：
均值/标准差揭示数据集中趋势与波动性。
KDE曲线展示分布形态（如是否接近正态分布）。