在Python裏，用股票案例講描述性統計分析方法（內容來自個人書）

    描述性統計是數學統計分析裏的一種方法，經過這種統計方法，能分析出數據總體情況以及數據間的關聯。在這部分裏，將用股票數據爲樣本，以matplotlib類爲可視化工具，講述描述性統計裏經常使用指標的計算方法和含義。

1 平均數、中位數和百分位數

    平均數比較好理解，是樣本的和除以樣本的個數。

    中位數也叫中值，假設樣本個數是奇數，那麼數據按順序排列後處於居中位置的數則是中位數，若是樣本個數是偶數，那麼排序後，中間兩個數據的均值則是中位數。通俗地講，在樣本數據裏，有一半的樣本比中位數大，有一半比它小。

    把中位數的概念擴展一下，便可獲得百分位數。好比第25百分位數則表示，樣本數據裏，有25%的數據小於等於它，而75%的數據大於它。在實際項目裏，還會把第25百分位數、中位數和第75百分位數組合起來造成四分位數，由於經過這些數，能把樣本一分爲四。其中第25百分位數也叫下四分位數，第75百分位數也叫上四分位數。

    理解概念後，在以下的CalAvgMore.py範例中，將以股票收盤價爲例，演示平均數、中位數和四分位數的求法。    

1	#coding=utf-8
2	import pandas as pd
3	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
4	df = pd.read_csv(filename,encoding='gbk') #讀取數據到DataFrame
5	print(df['Close'].mean()) #輸出收盤價的平均值
6	print(df['Close'].median()) #輸出收盤價的中位數
7	print(df['Close'].quantile(0.5)) #輸出收盤價第50百分位數
8	print(df['Close'].quantile(0.25)) #輸出收盤價第25百分位數
9	print(df['Close'].quantile(0.75)) #輸出收盤價第75百分位數

    在進行數據分析時，通常會先從csv文件等數據源裏獲取樣本，獲取後用表格類型的DataFrame對象來存儲，因此在第3行和第4行裏，演示從指定csv文件裏獲得數據並經過read_csv導入到DataFrame類型對象的作法，這裏用到csv是由9.1.4部分的StoreStockToMySQL範例生成的。

     Pandas庫的DataFrame對象已經封裝了求各類統計數據的方法，具體而言，能經過第5行的mean方法求平均值，在調用時，還能夠用諸如df['Close']的樣式，指定針對哪列數據計算。經過第6行的median方法，能計算指定列的中位數。

    在第7行到第9行的代碼裏，是經過 quantile方法求百分位數，好比第7行的參數是0.5，則求第50的百分位數。運行本範例，能看到以下的輸出結果，其中第2行輸出的中位數和第3行輸出的第50百分位數是一個結果。

2 用箱狀圖展現分位數

    箱狀圖能以可視化的方式，形象地展現平均數和諸多分位數。在以下的BoxPlotDemo.py範例中，將仍是以股票收盤價爲例，展現箱狀圖的繪製技巧，從中你們能進一步瞭解分位數的概念。   

1	#coding=utf-8
2	import pandas as pd
3	import matplotlib.pyplot as plt
4	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
5	df = pd.read_csv(filename,encoding='gbk') #讀取數據到DataFrame
6	#繪製箱狀圖
7	df['Close'].plot.box(patch_artist=True,notch = True)  
8	plt.show()

    在代碼的第5行裏，仍是經過read_csv方法把csv文件數據讀到df對象，以後，是經過第7行的plot.box方法，繪製「收盤價」的箱狀圖，運行本範例後，能看到以下圖所示的效果。

​

    在第7行繪製箱狀圖時傳入了兩個參數，其中patch_artist=True表示須要填充箱體的顏色，用notch = True表示以凹口的方式展現箱狀圖。從上述箱狀圖裏，能形象地看到最高和最低的值，以及第2五、第50和第75百分位數的值，由此更能形象地看到「收盤價」樣本數的彙集區間。

3 統計極差、方差和標準差

    在統計學裏，通常用這三個指標來衡量樣本數據的離散度，即衡量樣本數對於中心位置（通常是平均數）的偏離程度。

    其中，極差的算法比較簡單，是樣本里最大值和最小值的差，而方差是每一個樣本值與全體樣本值的平均數之差的平方值的平均數，標準差則是方差的平方根。在以下的CalAlias.py範例中，將演示這三個值的獲取方式。    

1	#coding=utf-8
2	import pandas as pd
3	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
4	df = pd.read_csv(filename,encoding='gbk') #讀取數據到DataFrame
5	print(df['Close'].max() - df['Close'].min()) #求極差
6	print(df['Close'].var()) #求方差
7	print(df['Close'].std()) #求標準差

    在第5行裏，是經過最大值減最小值的方法算出了極差，在第6行裏，經過var方法計算了方差，第7行則經過std方法求標準差。

 本文出自我寫的書： Python爬蟲、數據分析與可視化：工具詳解與案例實戰，https://item.jd.com/10023983398756.html

    ​

    

請你們關注個人公衆號：一塊兒進步，一塊兒掙錢，在本公衆號裏，會有不少精彩文章。

​