原来报表与统计图要这么做.docx

《原来报表与统计图要这么做.docx》由会员分享，可在线阅读，更多相关《原来报表与统计图要这么做.docx（6页珍藏版）》请在第一文库网上搜索。

1、原来报表与统计要这么做!如图1所示。导读：报表与统计图作为数据信息输出的一种方式，被广泛运用于数据展示、交流等工作中。本文使用一份二手房数据演示如何制作报表与统计图。报表可用于展现数据的主要信息，分为包含维度（分类变量）指标和度量（连续变量）指标的报表。仅含有维度指标的报表称为频次表（单个分类变量）和交叉表（两个及以上分类变量），含有维度和度量两类指标的报表称为汇总表，其中度量指标总是以某个统计量的形式出现，最常出现的是均值、总和、频次。条形图是一种运用非常广泛的数据展示图，便于分类变量之间的数据对比。条形图和报表有一一对应关系。如果有一个分类变量，条形图就是一维的；如果有两个分类变量，条形图

2、就是二维的。条的长度对应频次或度量指标的某个统计量，单因子频数汇总统计量分类变千表分析分类变敏2分类变.简单垂直条形图 简单垂有条形图分类变过1某连续变显的统计质日出性频次三嚼臂直moIt条形图图1报表与统计图形接下来使用一份二手房数据（sndHsPr.csv ）演示如何制作报表。对于二手房，我们不但关心其本身的统计特征（统计量），还关心影响这个变量的因素，如表1所示。表1二手房数据distroomnumhallsAREAfloorsubwayschoolpricedistrict城区（拼音）卧室数厅数房屋面积楼层是否地铁房是否学区房单位面积房价城区（中文）制作报表就是根据数据类型选取合适的统

3、计量并进行展现的过程。图2表现的是一个比较全面的二维表模板，三维表只不过是简单的叠加而已。水平轴和垂直轴分别是两个分类变量。单元格中存放的是某个变量的统计量。如果单元格中没有放入任何变量，其展现的是频次或百分比等指标。如果单元格中放入某个连续变量，其展现的就是这个连续变量的某个统计量，比如均值、总和等。将二维表模板的内容进行缩减，可以得到单因子频数、表分析、汇总统计量，具体说明如下。1)单因子频数：仅分析单个分类变量的分布情况，提供每个分类水平的频次、百分比和累积值，如图3所示。snd为读入数据后的数据框名称，district为该住房所在城区的中文名称，value_counts函数用于获取每个

4、城区出现的频次，完整的语句为snd.district.value_counts() o用条形图展现频次统计的语句为snd.district.value_counts().plot(kind = bar),其中kind =为图表类型，bar表示柱形图，如图4所示。value.counts2500丰台区29472000海淀区29191500朝阳区2864东城区27831000西城区2750500石累山区19470图43000单因子统计图形示意所示。2)表分析：分析两个分类变量的联合分布情况，提供每个单元格中样本出现的频次、百分比和边沿分布情况，如图5所示。分类变量2II分类变量1图5表分析示意表分

5、析(也称交叉表)使用的函数为pd.crosstab ,比如分析是否有地铁与是否是学区房之间的关系,语句为pd.crosstab(snd.subway/snd.school)o我们可以使用标准化堆叠柱形图对表分析的结果进行展现。其步骤是先获取交叉表的结果,然后使用div(sub_sch.sum(l)zaxis = 0)函数计算交叉表的行百分比，最后绘制柱形图，如图6所示。pd. crosstab (snd. subway, snd. school)school 01subway0 2378 4131 8919 4500sub.schpd.crosstabfsnd.subway3nd.school

6、)sub_sch=sub_sch.divisub_sch.sufn(l)axis= 0)sub_sch.plot(kind= bar tsucked=True)图6表分析统计图形堆叠柱形图易于展现横轴变量的分布情况，标准化堆叠柱形图易于做比较，笔者推荐采用图7来展现全部交叉表信息。本书提供了 stack2dim函数制作堆叠柱形图,其主要参数raw为Pandas的数据框,i、j为两个分类变量的变量名称,要求带引号，比如“school”。.6一 ooipsschool VS subway0.0subway： 0subway： 15-18图7堆叠柱形图示意3 ）汇总统计量：按照某个分类变量分组，对连

7、续变量进行描述性统计，如图图9展现了每个城区单位面积房价的统计信息，我们可以使用Pandas提供的函数 snd.price.groupby(snd.district).agg(mean,max, min)获取。该语句的含义为按照district变量分组,计算price的均值、最大值、最小值，其中agg函数的功能是归并若干个函数的结果。mean max mmdistrict区 71883.595041 149254 20089 刖100000丰台区 42500.90430987838 183488N 80000朝阳区 52800.624651 124800 2301140000海淀区68757.60226113510525568cooo石基山区40286.8895741000001885420000西城区85674.778545149871219185&区 淮之区 M区东疆区石景山区district图9汇总统计量统计图形示意本文摘编于金融商业数据分析：基于Python和SAS，经出版方授权发布。(书号:978-7-7-111-69583-7 )