（二）数据可视化

 经过建立和解读直方图、柱状图和频数图，学习数据可视化基础知识。

优达学城学员背景普遍，若是咱们想知道都有哪些人，参加了这些课程，该怎么办？如今看看样本量为50 的一组数据

你们花4秒钟的时间看看这个表格，并告诉我这个样本中的大多数学生都来自哪一个国家

大多数学员都来自中国，可是只花 4 秒钟的时间来观察这一表格可能很难看出，你可能扫了一眼表格，发现上面写了好多“中国”，所以可以感受到哪一个国家出现的几率最高，你的大脑能够自动这么思考，可是对于统计学，咱们须要用简单的方式规范化这一流程，若是你此次没有猜对也没事，这个小测验的最终目标就是向你展现 有了表格也是很难快速得出结论的，有什么更好的方法呢？

咱们能够建立一个频次表，即数出每一个国家出现的频次，个人作法是逐个计数

最终结果应该是这样的 注意它们的总和应该是50，即样本的总观察次数，经过频次表咱们能够轻松地看出大多数学生来自中国。

咱们不只要研究绝对数值，还要看看这些数字之间的相互关系，换句话说，咱们可能想要知道来自每一个国家的学员所占的比例，了解有多少学员来自每一个国家构成一个总体，这就叫作相对频率。

例如 这个样本的 50 名学员中有2名来自加拿大2/50 = 0.04，0.04 就是来自加拿大的学员所占的比例

经过相对频率，还能够看出在总体中所占的比例，若是咱们包含了吉尔吉斯斯坦，吉尔吉斯斯坦的比例就是 0，由于这 50 名学员中没有一位来自吉尔吉斯斯坦，若是不看国家而是看星球，会发现全部学员都来自地球，所以地球的比例是 1，也就是说 50 名学员都来自地球，50/50=1。

全部比例都始终在 0 到 1 之间或等于 0 或 等于1。

对于任何频率表来讲，相对频率（用比例表示）相加等于1。这表示表示咱们考虑了全部状况。

如今咱们来分析下这个频率表，来自美国的学员所占的比例是多少？来自印度的学员所占的比例呢？对于欧洲和亚洲 哪一个地区的学员更多？

从表中能够看出 有 0.2 的学员来自美国，有 0.16 的学员来自印度。
从表中能够看出全部欧洲国家是英国、德国和瑞典；全部亚洲国家是中国、印度、日本和巴基斯坦。
欧洲学员的总比例是0.04+0.06+0.02=0.12
亚洲学员的总比例是0.24+0.16+0.16+0.02=0.58
看来亚洲学员的比例更高

View Code

显示相对频率的另外一种方式是百分比，百分比很是好用，由于和不少人同样，我我的甚至包括你在内，都不喜欢小数和分数，若是咱们用百分比来表示相对频率的话，咱们就可使用整数了，百分比实际上也是一种比例，只是咱们将它乘以 100 并称之为百分比。

百分比的范围是从 0% 到 100% 就像比例是从 0 到 1 同样。一样的 全部百分比之和应该等于 100%。

这里有好多的数据，咱们能够经过只看各个洲的数据来简化流程。

 

 

如今数据更加简化了，虽然这个表格颇有意思，给咱们提供了新的信息，可是只经过这个表格咱们并不知道有多少学员来自各个国家，建立这个表格后给咱们带来了便利，由于咱们须要查看的类别变少了，在这种状况下是 3 个类别，但在过程当中也丢失了一些信息 即关于特定国家的信息，在建立频率分布表时 有时候简便性和信息性之间存在利弊关系，可是不能说哪一种方法就是正确的数据呈现方式，彻底取决于你要回答哪一种问题。

在这种状况下，若是你想知道有多少学员来自北美，这么整理数据就是最佳方法

可是若是你想知道有多少学员来自印度或其余特定国家，则这么整理数据就是最佳方法，关键在于根据你要回答的问题知道如何整理数据。

 以前咱们分析学员都来自哪一个国家，如今咱们来分析下他们的年龄，这是一个学员年龄样本，一样是 50 我的

 

如何像分析国家数据同样分析这一数据？频率数据中再也不是国家而是年龄，如何建立这个表格？须要多少行？须要 50 行 每行表示一名学员？或者 66 行，每行表示一个年龄 从 10 岁到 75 岁？8 到 10 行，由于最容易理解？取决于你对数据进行分组的方式？或者 2 行 一行表示 50 岁以上的人数，一行表示 50 岁如下的人数？

咱们能够随便分组这一数据，实际上，咱们能够只要两行，一行表示小于 50 岁的学员人数，一行表示大于 50 岁的人数，可是咱们不须要这么分组，甚至能够每一个年龄一行，因此能够是 10、11、12 岁，而后数数有多少学员年龄是 10 岁，有多少是 11 岁，但这不是最简便的方式，由于可能全部年龄的出现频率是 1 次，少数几个是 2 次，那么为每行选择一个范围呢？例如 0 到 19 岁，20 到 39 岁，而后数数有多少学员是在 0 到 19 岁，20 到 39 岁等等，这就叫作区间或容器或桶，大多数状况下 咱们将称之为区间或容器，在这种状况下容器大小是 20，由于它包括 0。

View Code

咱们来建立一个组距是 20 的频率图表

给出一组混乱无章的数据，咱们能够经过频率表轻松地对数据可视化，在这种状况下 咱们划分了四个容器，容器大小是 20，咱们能够计算落入每一个区间的学员数量，如今咱们进一步介绍对这一数据进行可视化的方法。

如今请你绘制一个图表，这时 X 轴 表示年龄，Y 轴 表示频率，你须要针对这组数绘制一个柱状图 并显示每一个柱的高度应该是多少

 

刚刚建立了一个组距为 20 的直方图，其实咱们能够建立任何组距大小的直方图，组距大小也称为区间大小。组距愈来愈大的情形，能够看到如今每一个区间内的观察值愈来愈多，若是咱们不断让组距愈来愈大，最终会很难看清直方图的形状，由于组距太大了。最终每一个分组里会有太多的数据，直方图的形状甚至都没法识别了。

组距是指对频率进行计数的区间