数据分析要做什么 做一个描述型的数据报告。
#数据类型
名义型：民族，等级，等等.对名义型变量要进行编码，因为很多库是不能识别中文字符。对于关注多的一般编码为1.
等级：1，2，4
连续：数值型.特征，位置，分布，偏度。
均值易代偏，众数在很干净的时候可以用（少用），中位数（数据不对称用）
对数分布（最多的分布，例如利润，用中位数描述，建模时对数据取对数）
泊松分布：网页点击，排队；伽马分布：损失，投保；
方差，标准差，极差，四分位差IQR。
何须图，数据1.5倍外算离群值。
整体分布1std68% 2std95% 3std99%
分类变量是维度指标；连续变量是度量指标。
snd.price.agg(['mean','median','sum','std','skew'])
对于skew来说 大于1认为右偏严重，不大于1 认为右偏不严重。
# 问题数据
脏数据——不正确的数据，缺失的数据
不一致的数据——单位不一致
数据重复
缺失值——过大量的缺失值考虑加入哑变量
离群值
# 抽样
简单随机抽样，分层抽样……
网友评论