Python 数据分析入门：集中趋势与离散程度详解

• 公式：(最大值 + 最小值) / 2
• 特点：计算简单，但受极端值影响较大，实际分析中不如均值和中位数常用。

三、什么是离散程度？

如果说集中趋势解决的是'数据大概在什么水平'，那么离散程度解决的就是'数据差距大不大，稳不稳定'。

1. 极差（Range）

最大值减去最小值。

• Pandas 写法：df['列名'].max() - df['列名'].min()
• 特点：计算最简单，但只看最值，容易受极端值影响放大。

2. 四分位数（Quartiles）

把数据排序后分成四份的关键位置：

• Q1：25% 位置

• Q2：50% 位置（即中位数）

• Q3：75% 位置

• Pandas 写法：df['列名'].quantile([0.25, 0.5, 0.75])

• 特点：非常适合观察数据分布情况。

3. 四分位数极差（IQR）

公式：IQR = Q3 - Q1，表示中间 50% 数据的离散程度。

• 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）

分析'波动大小'的经典工具。

• Pandas 写法：df['列名'].var() (方差), df['列名'].std() (标准差)
• 怎么理解：标准差越小，数据越集中稳定；标准差越大，数据越分散。实际工作中标准差比方差更常用，因为更容易解释。

四、Pandas 实战：完整代码直接运行

下面直接上完整代码，复制即可运行。这里用 Pandas 一次性完成统计描述。

import pandas as pd
import matplotlib.pyplot as plt

# 1. 构造数据
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})

# 2. 查看原始数据
print("=== 原始数据 ===")
print(df)

# 3. 一键统计描述
print("\n=== describe() 统计结果 ===")
print(df.describe())

# 4. 集中趋势
print("\n=== 集中趋势 ===")
print(f"A 班均值：{df['A 班'].mean()}")
print(f"B 班均值：{df['B 班'].mean()}")
print(f"A 班中位数：{df['A 班'].median()}")
print(f"B 班中位数：{df['B 班'].median()}")
print(f"A 班众数：{df['A 班'].mode().tolist()}")
print(f"B 班众数：{df['B 班'].mode().tolist()}")
print(f"A 班中列数：{(df['A 班'].max()+df['A 班'].min())/2}")
print(f"B 班中列数：{(df['B 班'].max()+df['B 班'].min())/2}")

# 5. 离散程度
print("\n=== 离散程度 ===")
print(f"A 班极差：{df['A 班'].max()-df['A 班'].min()}")
print(f"B 班极差：{df['B 班'].max()-df['B 班'].min()}")
print(f"A 班方差：{df['A 班'].var()}")
print(f"B 班方差：{df['B 班'].var()}")
print(f"A 班标准差：{df['A 班'].std()}")
print(f"B 班标准差：{df['B 班'].std()}")

# 6. 四分位数和 IQR
a_q1, a_q2, a_q3 = df['A 班'].quantile([0.25, 0.5, 0.75])
a_iqr = a_q3 - a_q1
b_q1, b_q2, b_q3 = df['B 班'].quantile([0.25, 0.5, 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}")

# 7. 盒图可视化
df.boxplot()
plt.title("A 班与 B 班成绩盒图")
plt.ylabel("分数")
plt.show()

输出结果会显示 A 班标准差约 1.8，而 B 班高达 12.9，直观反映了 B 班的波动远大于 A 班。

五、重点来了：describe() 到底看什么？

很多初学者第一次用 describe()，觉得输出一堆数字不知道重点。其实盯住这几个字段就够了：

• 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：刚开始学数据分析，看到 describe()，优先看这三类信息：

1. 看中心：mean, 50%
2. 看波动：std, max - min
3. 看分布：25%, 75%

这几个值，已经足够完成一轮基础分析。

六、结合案例解释结果

运行完代码你会发现：

• A 班成绩集中在 80 多分附近，整体稳定，差异不大。
• B 班虽然也有多个 85，但极差和标准差更大，两极分化明显。

这也是为什么在实际分析中，不能只看平均分。平均值掩盖了内部结构的差异。

七、异常值为什么重要？

真实数据中常遇到'看起来不太正常'的值，比如成绩突然极高、销售某天爆发等。这些可能是真实异常、录入错误或特殊情况。

分析数据时一定要关注异常值，因为它直接影响均值、极差、标准差。常见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

超出这个范围的数据，通常视为异常值。

八、学习这部分内容，最容易踩的坑

误区 1：只看均值，不看标准差

均值只能说明平均水平，不能说明稳定性。标准差才是衡量波动的关键。

误区 2：看到中位数和均值差不多，就觉得数据没问题

不一定。有时候两者接近，但极差、IQR 可能已经说明波动很大。

误区 3：不会解读 mode()

mode() 返回的是一个序列，不一定只有一个值。如果有多个众数，这是正常现象。

误区 4：把方差和标准差混为一谈

方差是'平方后的离散程度'，标准差是开根号后的结果，单位与原数据一致，更易解释。实际分析中，标准差更常用。

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'，它是后续很多内容的基础：

• 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、总结

这篇文章解决了一个基础但重要的问题：一组数据到底该怎么快速读懂？

答案就是两步：

1. 看集中趋势：判断整体水平（均值、中位数）
2. 看离散程度：判断波动大小（标准差、IQR）

记住这四句话：

• 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。

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。