本案例有关说明本案例是分布拟合检验预测、单因素方差分析One-Way ANOVA的基础前导篇。基本概念不在此赘述。本案例分析所用数据为“19财管管理会计成绩.xlsx”。该数据可以在我的百度网盘上下载。

链接：

提取码：qa0f

本案例为本人学习笔记，数据及分析结论供学习和教学参考之用。描述性统计基本认识

描述性统计，是指通过数据计算“统计量”用来描述数据特征的活动。描述性统计分析主要包括以下几个方面的分析：

频数分析集中趋势分析离散程度分析数据分布绘制统计图引入需要使用到的库

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

这个引入库的动作，是首先要做的。

read_excel（）读入待分析数据

df = pd.read_excel('19财管管理会计成绩.xlsx',sheet_name='19财管管理会计')

数据集："19财管管理会计成绩.xlsx"，两列，class为分类变量，glkj为可度量变量。

class：班级。19财管1—19财管6。分类变量。glkj：管理会计，该科目考试成绩。

Descriptive Statistics

# 分组聚合，统计均值、次数、标准差等stats = df.groupby('class')['glkj'].agg(['mean', 'count', 'std','min','max'])# 计算0.05水平下的置信区间ci95_hi = []ci95_lo = []co_v = []for i in stats.index:m, c, s = stats.loc[i,['mean','count','std']]ci95_hi.append(m + 1.96 * s/math.sqrt(c))ci95_lo.append(m - 1.96 * s/math.sqrt(c))co_v.append(s/m)stats['ci95_LB'] = ci95_lostats['ci95_UB'] = ci95_histats['c.v'] = co_v

std : 标准差

min/max : 最小/最大值median : 中位数skew : 偏度ci : 置信区间c.v : 变异系数

上述“统计量”的基本概念计算方法及计算公式网上讲解很多，在此就不具体列出了，需要的请百度。

统计量如下图所示：

上面图表反映的基本信息管理会计科目成绩平均值都较高，中位数均在90分以上的有四个班，特别是19财管5班均值高达93分，中位数95分。该班成绩离散程度最小，成绩变异程度最小。所有班级管理会计科目成绩分布呈现“左偏”。均值小于中位数。boxplot & hist：了解大概的分布、发现异常值

# Draw a nested boxplotdf.boxplot(column='glkj', by='class', grid=False)sns.hist(column='glkj', by='class',figsize=(8,6) ,sharex=True,sharey=True)sns.despine(offset=10, trim=True)

#use sys default settingsax = sns.distplot(a= df['glkj'])ax.set(title='19财管管理会计成绩', xlabel='管理会计成绩',ylabel='P')

sns.distplot(a, bins=None, hist=True, kde=True)

该图的成绩分段使用系统默认的设置。结果整体成绩是否为“左偏”？确实是“左偏”。

总体成绩的hist & kde：了解总体分布情况

# set bins fig,(ax1,ax2)= plt.subplots(1,2,sharex=True, figsize=(7,5))plt.subplot(1,2,1)ax1 = sns.distplot(a=df['glkj'], bins=[10, 20, 30, 40, 50, 60, 70, 80, 90,100],norm_hist= False,hist=True, kde=False,label='管理会计成绩')ax1.set(title='19财管管理会计成绩',xlabel='管理会计成绩',ylabel='Count')ax1.legend(loc='best')#plt.tight_layout(rect=(1, 1, 1, 1)) #设置默认的间距plt.subplot(1,2,2)ax2 = sns.distplot(a=df['glkj'], bins=[10, 20, 30, 40, 50, 60, 70, 80, 90,100],norm_hist= True,hist=True, kde=True,label='管理会计成绩KDE',color='green')ax2.set(title='19财管管理会计成绩KED',xlabel='管理会计成绩',ylabel='P')ax2.legend(loc='best')plt.subplots_adjust(wspace=0.3)plt.show()

使用pd.cut（）：自定义分段及频数统计

bins = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 101]labels = ['0-10','10-20','20-30','30-40','40-50','50-60','60-70','70-80','80-90','90+']

df['glkj_bins'] = pd.cut(df['glkj'], bins=bins, labels=labels, include_lowest=True, right=False)class_count = df.groupby(by= 'class')['glkj_bins'].value_counts()pd_class_count= pd.DataFrame(class_count)pd_unstack = pd_class_count.unstack(fill_value=0)

for i in range(6):fig,(ax1,ax2)= plt.subplots(1,2,sharex=True,figsize=(8,6))plt.subplot(1,2,1)ax1 = sns.barplot(count_bins,pd_unstack.values[i],label=pd_unstack.index[i])ax1.legend(loc='best')ax1.set(xlabel= '管理会计分段成绩',ylabel= 'Count',title = '管理会计分班级成绩图')list_n = pd_unstack.values[i]for j, txt in enumerate(list_n):ax1.annotate(txt, (j, list_n[j]+0.6),horizontalalignment='center',verticalalignment='center')plt.subplot(1,2,2)ax2 = sns.distplot(a=df.loc[df['class']== pd_unstack.index[i]]['glkj'],bins=[10, 20, 30, 40, 50, 60, 70, 80, 90,100],norm_hist= True,hist=True, kde=True,label= pd_unstack.index[i],color='green')ax2.set(title='管理会计分班级成绩kde',xlabel='管理会计成绩',ylabel='P')ax2.legend(loc='best')plt.show()