Azure Machine Learning Studio 的 Summarize Data 可以對資料集整體做一些基礎計算，用來了解資料的分布狀況，計算後的輸出結果為以下項目：

• Feature 欄位名稱
• Count 資料筆數
• Unique Value Count 值不重複的資料筆數
• Missing Value Count 缺失值資料筆數
• Min 最小值
• Max 最大值
• Mean 平均數
• Mean Deviation 平均差
• 1st Quartile 第一四分位數
• Median 中位數
• 3rd Quartile 第三四分位數
• Mode 眾數
• Range 資料範圍(最大值-最小值)
• Sample Variance 樣本變異數
• Sample Standard Deviation 樣本標準差
• Sample Skewness 樣本偏度
• Sample Kurtosis 樣本峰度
• P0.5 0.5% 百分位數
• P1 1% 百分位數
• P5 5% 百分位數
• P95 95% 百分位數
• P99 99% 百分位數
• P99.5 99.5% 百分位數

Summarize Data 彙總資料

位置：Statistical Functions / Summarize Data

1. 新增 Adult Census Income Binary Classification dataset Census Income dataset 成人收入調查的二元分類資料集，新增 Summarize Data 彙總資料，將資料集輸出接至 Summarize Data 的輸入，點選滑鼠右鍵或直接點下方功能鈕執行計算
   

2. 執行完成後，點選 Visualize 檢視計算結果
   

3. 計算結果如下兩圖，以 age 年齡資料欄位來看：

• Count 資料筆數 = 32561筆
• Unique Value Count 值不重複的資料筆數 = 73筆
• Missing Value Count 缺失值資料筆數 = 0筆，無缺失值
• Min 最小年齡 = 17歲
• Max 最大年齡 = 90歲
• Mean 平均年齡 = 38.581647歲
• Mean Deviation 年齡平均差 = 11.189182歲
• 1st Quartile 第一四分位數 = 28歲
• Median 年齡中位數 =37歲
• 3rd Quartile 第三四分位數 = 48歲
• Mode 眾數 = 36歲，代表年齡為36歲的資料筆數最多
• Range 範圍 = 最大90歲 - 最小17歲 = 73歲
• Sample Variance 樣本變異數 = 186.0614
• Sample Standard Deviation 樣本標準差 = 13.640433
• Sample Skewness 樣本偏度 = 0.558743
• Sample Kurtosis 樣本峰度 = -0.166127
• P0.5 0.5% 百分位數 = 17歲
• P1 1% 百分位數 = 17歲
• P5 5% 百分位數 = 19歲
• P95 95% 百分位數 = 63歲
• P99 99%百分位數 = 74歲
• P99.5 99.5% 百分位數 = 78歲

4. 非數值資料僅可計算其 Count 資料筆數、Unique Value Count 值不重複的資料筆數、Missing Value Count 缺失值資料筆數
   

5. 除了 Summarize Data 可以計算這些統計結果以外，直接右鍵點選檢視資料集也可以看的到部分的計算值
   

6. 可以看到以下計算結果：

• Count 資料筆數
• Unique Value Count 值不重複的資料筆數
• Missing Value Count 缺失值資料筆數
• Min 最小值
• Max 最大值
• Mean 平均數
• Mean Deviation 平均差
• Mode 眾數