统计-定性数据与定量数据

在统计学中，数据可以分为定性数据和定量数据。了解它们的差别，有助于正确选择适当的数据分析方法。

定性数据

定性数据是基于属性或特性而非数量而分类的数据。这些属性可以是性别、颜色、国籍、品牌等等。定性数据通常通过计数或百分比来分析。

例如，在一项市场调查中，研究人员可能会问受访者对各种手机品牌的看法。受访者对这个问题的回答，就是定性数据。通过对这些回答进行计数并计算出各品牌受欢迎程度的百分比，可以得出定量结论。

定量数据

定量数据是可以被量化并数值化的数据。这些数据通常基于测量和统计学。定量数据可以进一步分为连续型和离散型。

• 连续型数据：这种数据可以被测量为任意范围内的值。例如，测量人的身高、体重、温度等等。连续型数据通常使用均值、标准差等统计指标进行分析。

• 离散型数据：这种数据只能采取特定值，并且这些值不能被分解为更小的值。例如，统计学生考试分数、家庭成员数等等。离散型数据通常使用频率、百分比等统计指标进行分析。

使用Python进行数据分析

Python是一种广泛用于数据科学和分析的编程语言。下面是一些Python库，可以用于定性数据和定量数据分析：

• pandas：一个强大的数据处理工具，可以用于数据清理、预处理、分组和连接，以及定量和定性数据的统计分析。

• scipy：一个用于科学计算的库，包括用于计算平均数、方差、标准差等描述性统计信息的函数。

• numpy：一个用于数值计算的库，包括用于处理和操作数组、矩阵和多维数据的各种函数。

• matplotlib：一个用于数据可视化的库，包括生成各种统计图表和图形的函数。

使用这些Python库，可以轻松地对各种定性和定量数据进行分析和可视化。

import pandas as pd
import numpy as np
from scipy.stats import describe
import matplotlib.pyplot as plt

# 读取csv文件
data = pd.read_csv('survey.csv')

# 基本描述性统计信息
print(describe(data['age']))

# 频率分布表
freq_table = pd.crosstab(index=data['brand'], columns=data['price'])
print(freq_table)

# 柱状图
plt.bar(data['gender'], data['age'])
plt.show()

以上Python代码片段演示了如何使用pandas、scipy和matplotlib库对数据进行描述性统计、频率分布、以及绘制柱状图。