此文是《10周入門資料分析》系列的第10篇
想瞭解學習路線，可以先閱讀“ 學習計畫 | 10周入門資料分析 ”
前一篇分享了統計學需要掌握的知識，在資料分析過程中，廣泛用於資料品質處理，分析模型構建以及資料採擷。今天這篇文章將詳細講統計學中最基礎的描述統計。

試想，當你拿到一份數據會怎麼做？二話不說做個圖？

此前也無數次強調，拿到資料需要觀察資料情況和資料品質，對資料進行描述統計分析，以發現其內在的規律，再選擇進一步分析的方法。

什麼是描述性統計？

描述性統計分析要對調查總體所有變數的有關資料做統計性描述，主要包括資料的頻數分析、資料的集中趨勢分析、資料離散程度分析、資料的分佈、以及一些基本的統計圖形。

常用的指標有均值、中位數、眾數、方差、標準差等等。資料的集中趨勢一般採用平均值、中位數表示。資料的離散程度一般採用方差、標準差表示。資料的分佈情況一般採用長條圖表示。

具體概念前一篇有做詳解，就不贅述了。接下來我將用Excel來分別解釋每一種統計方法的應用以及這些統計方法在Excel中的實現方式。

Excel資料分析工具庫

專業的統計分析工具有SPSS，R或Python，但對於大部分新手一天兩天比較難上手。永遠不要忘記萬能的Excel，Excel 2016 裡自帶以了一個統計分析工具 — — “分析工具庫”。實際上就是一個外部巨集（程式）模組，專門為使用者提供一些高級統計函數和實用的資料分析工具。

分析工具庫內置了19個模組，可以分為以下幾大類：

加載EXCEL分析工具庫

首先你得要有Excel 2016。

安裝好2016版後，檔 — 選項 — 切換到“加載項”選項卡，在“管理”下拉清單中選擇“EXCEL加載項”選項，按一下“轉到”按鈕，跳轉到如下“加載宏”對話方塊，勾選“分析工具庫”核取方塊，再按一下“確定”按鈕。

以上一波操作後，“資料”選項卡中會顯示出添加的“資料分析”功能。

小編目前在大陸，用的是大陸的資料&&&
案例分析：
現在有一份北京房價資料：
1）北京市政府為調控房地產價格，希望知道北京各社區房屋價格的分佈，請分析房地產價格的集中趨勢，並選擇合適的圖形呈現。
2）房地產商想知道北京各個環線房屋裝修狀況的對比情況，以便進行產品設計和市場拓展，計算指標並設計合適的圖形呈現結果，最後給房地產商一些建議。
3）選擇合適的圖形反映北京各個區住宅區房屋分佈情況

操作步驟：

• 基本描述統計打開excel資料檔案
• 選擇描述統計，按一下“確定”按鈕。
  
  隨後，就會生成如下的統計分析結果，就省得一個個函數去計算了。
  

長條圖

根據描述統計的結果，在空白列構造間隔為0.5的等差數列作為接收區域D1:D19，最大值為9,最小值為0。

以上一波操作後，“資料”選項卡中會顯示出添加的“資料分析”功能。

選擇資料，按一下“資料”選項卡，選擇“資料分析”選項框中的“長條圖”選項。

輸入區域選擇房屋價格avgprice列$B$2:$B$186，接收區域選擇第一步構造的接收資料，即D1:D19數據。
輸出區域選擇G3，勾選圖表輸出，然後按一下“確定”按鈕。


選中整個長條圖，按右鍵選擇“設置資料數列格式”，按一下“系列選項”，分類間距設為0。
可以看出，北京的房價普遍分佈在2W~4.5W，2.5W占絕大多數。
關於長條圖
長條圖是描述統計中很常見的一個應用，不同長條圖代表的業務意義不同。
箱型圖
對於資料的離散情況，還有一個更直觀的方法，就是箱線圖。箱線圖利用6個指標描述資料的離散情況。這6個指標分別是最小值，第一四分位數、中位數、第三四分位數與最大值和異常值。

• 中位數：中位數是一組從小到大排序資料中位置在最中間的一個資料（兩個資料取均值）。
• 第1(下)四分位數：第1四分位元數與中位數演算法類似，是對一組資料中50%資料再取中位數。一組資料中如果有25%的資料小於這個數，那麼這個數是第1四分位數。
• 第3(上)四分位數：一組資料中如果有75%的資料小於這個資料，那麼這個數是第3四分位數。
• 異常值：異常值是指這個資料與四分位元數的差達到5倍的值。箱線圖中異常值的表示方法有兩種，1.5倍-3倍差之間用空心的點表示。超過3倍的異常值，用實心點表示。
• 上限和下限數：除了異常值之外，最靠近上邊緣和下邊緣的兩個數值為上限數和下限數。

現在來瞭解北京各區的房價分析，把他加工成箱型圖，這也是最常用的描述統計圖表。

Excel 2016 可以直接製作箱型圖。Excel的箱型圖定位6個資料：最大值、最小值、中位數、上四分位數、下四分位數、平均值，還有異常值。
操作步驟：

• 1、選擇所要統計的資料，即均價。
• 2、選擇箱型圖
  
  3、“選擇資料來源”中，水準分類軸加上“區域”，如下
  
  調整一下樣式得到如下箱型圖。
  
  中間黑色出現是各區域中游水準的房價標準（中位數）；x是全區域的平均房價水準（平均值）；箱型上端代表中上游水準；箱型下端代表中下游水平，以此類推。簡而言之，房價分佈被四等分了。

我們來解讀一下：朝陽區的房價分佈範圍較廣，高低值差異較大，可能和橫跨多環有關，整體平均水準位於四區域前列。海澱區平均房價次之，但也不低。豐台區房價分佈較為集中且偏態較小，跨度相對較小。通州區很明顯整體房價最低。
這張圖能一眼看出不少內容，想必大家已經明白箱線圖的作用了，它能讀出資料的整體分佈和傾斜趨勢（偏態）。

到這裡，描述統計的內容就結束了。描述統計是分析資料的一種技巧，包含資料的集中度量(平均數、中位數、眾數)、資料的離散（方差、標準差）、資料的分佈（箱線圖、橫條圖、長條圖）三塊。

我是「數據分析那些事」。常年分享資料分析乾貨，不定期分享好用的職場技能工具。

想瞭解更多的資料分析知識，請關注我的Facebook, 期待你與我互動起來啦~
閱讀原文：不可不知描述性統計