未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

warning 适用边界与维护说明

本文适用于已具备NumPy、pandas基础的读者进行成绩数据的描述性统计计算练习；示例中的方差为ddof=1计算的样本方差，describe输出范围已明确。Matplotlib直方图仅用自带成绩数据演示分布展示，不构成完整的可视化设计指南。相关知识中的“方差分析”是延伸主题，不等同于样本方差计算。本次仅作全文结构审阅，未运行代码或核验链接目标。

📈 描述性统计（Descriptive Statistics）

abstract 📋 本节概览

  • 🎯 学习目标：理解什么是描述性统计，常用指标有哪些，如何用Python实现
  • 📚 前置知识：数据类型
  • ⏱️ 预计用时：10分钟

前置知识

note 📖 **什么是描述性统计？**

描述性统计就是用一些简单的数字和图表，把一大堆数据变得一目了然。比如平均分、最高分、最低分、分布图等。

生活例子：

  • 统计班级同学的成绩，老师会说"平均分是多少，最高分是谁，最低分是谁"，这就是描述性统计。

学习目标

  1. 思路说明

    • 用numpy、pandas等库快速计算均值、方差、最大值、最小值等；下方np.var示例使用ddof=1计算样本方差
    • 用matplotlib画图展示分布

  2. 前置知识

    • numpy（科学计算库）
    • pandas（数据分析库，适合表格数据）
    • matplotlib（画图）

  3. 代码示例

import numpy as np
import pandas as pd
# 假设有一组成绩
scores = [88, 92, 79, 93, 85, 90, 91]
# 用numpy
print("均值:", np.mean(scores))
print("方差:", np.var(scores, ddof=1))
print("最大值:", np.max(scores))
print("最小值:", np.min(scores))
# 用pandas
df = pd.DataFrame({'score': scores})
print(df.describe())  # 汇总数值列的常用描述性统计指标

# 用自带成绩数据展示分布（小样本直方图仅供练习）
import matplotlib.pyplot as plt
plt.hist(scores, bins=5, edgecolor="black")
plt.xlabel("score")
plt.ylabel("count")
plt.title("Teaching sample score distribution")
plt.show()

tip 💡 pandas的describe方法

对本例的数值列，一行代码就能输出非空值计数、均值、样本标准差、最大/最小值及四分位数；describe默认不输出方差等其他统计指标。

🔗 相关知识

#统计学 #描述性统计 #基础