跳到主要内容Python 数据分析入门：集中趋势与离散程度 | 极客日志PythonAI算法
Python 数据分析入门：集中趋势与离散程度
Python 数据分析中，集中趋势与离散程度是理解数据分布的基础。文章通过班级成绩案例，演示了均值、中位数、众数等集中趋势指标，以及极差、方差、标准差、四分位数等离散程度指标的计算方法。结合 Pandas 库的 describe() 函数及代码实战，帮助初学者掌握如何识别异常值、评估数据稳定性，并总结常见分析误区与记忆口诀，为后续数据清洗与建模打下基础。
21772838010 浏览 Python 数据分析入门：集中趋势与离散程度
一、先看一个问题：平均分差不多，班级情况就一样吗？
假设现在有两个班级的数学成绩：
A班成绩 = [85, 82, 88, 84, 86, 83, 87, , , ]
B班成绩 = [, , , , , , , , , ]
85
84
86
100
60
90
70
95
65
85
85
85
85
- 平均分差不多，就说明两个班水平一样吗？
- 哪个班更稳定？
- 哪个班成绩差距更大？
A 班成绩比较集中，整体比较稳定；B 班虽然也有高分，但高低差距很大。
分析数据时，不能只看平均值，还要看数据的分散程度。
二、什么是集中趋势？
- 均值（Mean）
- 中位数（Median）
- 众数（Mode）
- 中列数（Midrange）
1）均值（Mean）
计算公式
Pandas 写法
特点
也就是说，如果一组数据里存在特别大或特别小的值，均值很容易被拉偏。
2）中位数（Median）
Pandas 写法
特点
- 不容易被极端值拉偏
- 在有异常值时，通常比均值更可靠
如果你分析的数据可能存在异常值，比如成绩异常、消费异常、销售爆发等，中位数往往比均值更能反映真实水平。
3）众数（Mode）
Pandas 写法
特点
- 适合看'最常见的水平'
- 可能有多个众数
- 如果每个值都只出现一次，就可能没有众数
比如一组成绩里，85 分出现次数最多，那么 85 就是众数。
4）中列数（Midrange）
计算公式
特点
- 计算简单
- 但受极端值影响较大
- 一般了解即可，实际分析中不如均值和中位数常用
三、什么是离散程度？
- 极差（Range）
- 四分位数（Quartiles）
- 四分位数极差（IQR）
- 方差（Variance）
- 标准差（Standard Deviation）
1）极差（Range）
计算公式
Pandas 写法
df['A 班'].max() - df['A 班'].min()
特点
2）四分位数（Quartiles）
四分位数是把数据从小到大排序后，分成四份得到的几个关键位置：
Q1：25% 位置Q2：50% 位置，也就是中位数Q3：75% 位置
Pandas 写法
df['A 班'].quantile([0.25, 0.5, 0.75])
3）四分位数极差（IQR）
特点
- 比极差更稳定
- 常用于异常值判断
- 对极端值不那么敏感
4）方差（Variance）与标准差（Standard Deviation）
Pandas 写法
df['A 班'].var()
df['A 班'].std()
怎么理解？
- 标准差越小：数据越集中，越稳定
- 标准差越大：数据越分散，差异越明显
在实际工作中，标准差通常比方差更常用，因为它更容易解释。
四、Pandas 实战：完整代码直接运行
import pandas as pd
import matplotlib.pyplot as plt
a_scores = [85, 82, 88, 84, 86, 83, 87, 85, 84, 86]
b_scores = [100, 60, 90, 70, 95, 65, 85, 85, 85, 85]
df = pd.DataFrame({'A 班': a_scores, 'B 班': b_scores})
print("=== 原始数据 ===")
print(df)
print("\n=== describe() 统计结果 ===")
print(df.describe())
print("\n=== 集中趋势 ===")
print("A 班均值：", df['A 班'].mean())
print("B 班均值：", df['B 班'].mean())
print("A 班中位数：", df['A 班'].median())
print("B 班中位数：", df['B 班'].median())
print("A 班众数：", df['A 班'].mode().tolist())
print("B 班众数：", df['B 班'].mode().tolist())
print("A 班中列数：", (df['A 班'].max() + df['A 班'].min()) / 2)
print("B 班中列数：", (df['B 班'].max() + df['B 班'].min()) / 2)
print("\n=== 离散程度 ===")
print("A 班极差：", df['A 班'].max() - df['A 班'].min())
print("B 班极差：", df['B 班'].max() - df['B 班'].min())
print("A 班方差：", df['A 班'].var())
print("B 班方差：", df['B 班'].var())
print("A 班标准差：", df['A 班'].std())
print("B 班标准差：", df['B 班'].std())
a_q1 = df['A 班'].quantile(0.25)
a_q2 = df['A 班'].quantile(0.5)
a_q3 = df['A 班'].quantile(0.75)
a_iqr = a_q3 - a_q1
b_q1 = df['B 班'].quantile(0.25)
b_q2 = df['B 班'].quantile(0.5)
b_q3 = df['B 班'].quantile(0.75)
b_iqr = b_q3 - b_q1
print("\n=== 四分位数与 IQR ===")
print(f"A 班：Q1={a_q1}, Q2={a_q2}, Q3={a_q3}, IQR={a_iqr}")
print(f"B 班：Q1={b_q1}, Q2={b_q2}, Q3={b_q3}, IQR={b_iqr}")
df.boxplot()
plt.title("A 班与 B 班成绩盒图")
plt.ylabel("分数")
plt.show()
=== 原始数据 ===
A 班 B 班
0 85 100
1 82 60
2 88 90
3 84 70
4 86 95
5 83 65
6 87 85
7 85 85
8 84 85
9 86 85
=== describe() 统计结果 ===
A 班 B 班
count 10.000000 10.000000
mean 85.000000 82.000000
std 1.825742 12.952906
min 82.000000 60.000000
25% 84.000000 73.750000
50% 85.000000 85.000000
75% 86.000000 88.750000
max 88.000000 100.000000
=== 集中趋势 ===
A 班均值： 85.0
B 班均值： 82.0
A 班中位数： 85.0
B 班中位数： 85.0
A 班众数： [84, 85, 86]
B 班众数： [85]
A 班中列数： 85.0
B 班中列数： 80.0
=== 离散程度 ===
A 班极差： 6
B 班极差： 40
A 班方差： 3.3333333333333335
B 班方差： 167.77777777777777
A 班标准差： 1.8257418583505538
B 班标准差： 12.952906151816965
=== 四分位数与 IQR ===
A 班：Q1=84.0, Q2=85.0, Q3=86.0, IQR=2.0
B 班：Q1=73.75, Q2=85.0, Q3=88.75, IQR=15.0
五、重点来了：describe() 到底看什么？
很多初学者第一次用 describe()，会觉得输出一堆数字，不知道重点看哪里。
mean：均值50%：中位数std：标准差min / max：最小值和最大值25% / 75%：Q1 和 Q3
一个简单经验
如果你刚开始学数据分析，看到 describe()，优先看这三类信息：
1. 看中心
2. 看波动
3. 看分布
六、结合案例解释结果
- A 班成绩集中在 80 多分附近
- B 班虽然也有多个 85，但整体差距更大
- B 班的极差和标准差通常会更大
A 班
B 班
- 两极分化更明显
- 有高分，也有低分
- 平均值不能完全说明问题
七、异常值为什么重要？
在真实数据中，经常会遇到一些'看起来不太正常'的值，比如：
- 成绩里突然出现一个特别高或特别低的数
- 销售数据里某一天异常爆发
- 用户消费数据里出现极端金额
因此，分析数据时一定要关注异常值，因为它会直接影响均值、极差、标准差等指标。
对于异常值，常见的一种判断方式是利用四分位数极差 IQR：
下界 = Q1 - 1.5 * IQR
上界 = Q3 + 1.5 * IQR
八、学习这部分内容，最容易踩的坑
坑 1：只看均值，不看标准差
坑 2：看到中位数和均值差不多，就觉得数据没问题
有时候数据虽然中位数和均值接近，但极差、IQR、标准差可能已经说明波动很大。
坑 3：不会解读 mode()
mode() 返回的是一个序列，不一定只有一个值。
坑 4：把方差和标准差混为一谈
- 方差是'平方后的离散程度'
- 标准差是方差开根号后得到的，更容易解释
九、这部分知识在数据分析里有什么用？
别看它只是'统计描述'，其实它是后面很多内容的基础。
- 数据清洗
- 异常值检测
- 数据可视化
- 聚类分析
- 建模前的数据理解
如果你连均值、中位数、标准差都看不懂，后面做更复杂的数据分析会非常吃力。
十、给初学者的一个记忆口诀
记忆版总结
- 均值看平均，但怕异常值。
- 中位数更稳，适合有极端值的数据。
- 标准差越大，波动越大。
- 分析数据时，中心和离散要一起看。
十一、课后练习（适合课堂 / 自学）
练习 1：基础题
scores = [72, 75, 78, 80, 85, 85, 86, 90, 92, 95]
- 计算均值、中位数、众数
- 计算极差、方差、标准差
- 计算 Q1、Q2、Q3 和 IQR
- 用一句话描述这组数据的特点
练习 2：提高题
scores = [72, 75, 78, 80, 85, 85, 86, 90, 92, 150]
- 均值变化大吗？
- 中位数变化大吗？
- 哪个指标更适合描述这组数据？
- 能否认为 150 是异常值？
练习 3：迁移题
- 某店铺近 10 天销售额
- 某班学生 10 次上机时长
- 某宿舍 10 天用电量
- 使用
Pandas 完成统计描述
- 输出
describe()
- 分析集中趋势和离散程度
- 尝试绘制盒图
十二、总结
- 看集中趋势：判断整体水平
- 看离散程度：判断波动大小
- 均值
- 中位数
- 众数
- 中列数
- 极差
- 四分位数
- IQR
- 方差
- 标准差
这些内容是数据分析中的基础能力，也是后续数据清洗、异常值识别和可视化分析的起点。
相关免费在线工具
- 加密/解密文本
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
- RSA密钥对生成器
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
- Mermaid 预览与可视化编辑
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
- curl 转代码
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
- Base64 字符串编码/解码
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
- Base64 文件转换器
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
