17370845950

Python统计数据分析核心是pandas、numpy、scipy和matplotlib/seaborn：用describe()得基础统计量，groupby实现分层汇总，scipy.stats做t检验、卡方检验和相关性分析，seaborn快速绘直方图、箱线图和热力图，并强调先用info()和isnull().sum()检查数据质量。

用 Python 统计数据，核心是用好 pandas（处理表格数据）、numpy（数值计算）、scipy（统计检验）和 matplotlib/seaborn（可视化）。不需要写复杂代码，几行就能完成常见统计任务。

快速计算基础统计量

读入数据后，直接调用 .describe() 就能一键输出均值、标准差、最小值、四分位数、最大值等：

import pandas as pd
df = pd.read_csv("data.csv")
print(df.describe())  # 对所有数值列自动统计

想单独算某个指标，比如某列的中位数或方差，直接用方法：

• df["age"].mean() → 平均年龄
• df["score"].median() → 分数中位数
• df["price"].std() → 价格标准差
• df["category"].value_counts() → 分类变量频数统计

按组别分层统计

比如“不同城市销量平均值”“各年级男生女生人数”，用 groupby + 聚合函数最方便：

# 按城市统计平均销量和总销量
df.groupby("city")["sales"].agg(["mean", "sum"])

# 按年级和性别统计人数
df.groupby(["grade", "gender"]).size()

支持多列分组、多种聚合方式混用，还能加条件筛选后再统计，灵活度高。

做假设检验和相关性分析

需要判断两组数据是否有显著差异？变量之间是否相关？直接调用 scipy.stats：

• t 检验（比较两组均值）：from scipy.stats import ttest_ind; ttest_ind(group_a, group_b)
• 卡方检验（分类变量关联性）：from scipy.stats import chi2_contingency; chi2_contingency(pd.crosstab(df["sex"], df["buy"]))
• 皮尔逊相关系数：df[["height", "weight"]].corr(method="pearson")

返回结果包含统计量、p 值，帮你快速判断是否显著。

画图辅助理解分布和关系

光看数字容易忽略异常值或偏态。用 seaborn 几行就能出专业图表：

import seaborn as sns
import matplotlib.pyplot as plt

sns.histplot(df["income"], kde=True)     # 直方图+密度曲线
sns.boxplot(x="region", y="sales", data=df)  # 分组箱线图
sns.heatmap(df.corr(), annot=True)           # 相关性热力图

图形比数字更直观，常能第一时间发现问题，比如某城市销量异常高、收入严重右偏等。

基本上就这些——从读数据、算指标、分组汇总，到检验和画图，Python 都有成熟、简洁的实现。不复杂但容易忽略的是：先用 df.info() 和 df.isnull().sum() 看清数据质量，再统计，效果会好很多。