文/泰閣志

夜空中最亮的星

1. 緣起

為了幫助大家和自己更好地學(xué)習(xí)數(shù)據(jù)分析，斗膽撰寫《人人都能用數(shù)據(jù)》系列穷绵，會(huì)同步在本人的微信公眾號(hào)/知乎專欄/頭條號(hào)/簡(jiǎn)書（名稱都是泰閣志）轿塔。這是第一篇，打算從統(tǒng)計(jì)學(xué)講起。
之所以開始選擇統(tǒng)計(jì)學(xué)勾缭，原因如下：

• 市面良莠不齊揍障，有“術(shù)”無(wú)“法”：
  目前不少數(shù)據(jù)分析教程講的都是和數(shù)據(jù)相關(guān)的程序開發(fā)或所謂的數(shù)據(jù)驅(qū)動(dòng)，然而俩由，這些大都屬于“術(shù)”的層面毒嫡。首先，術(shù)業(yè)有專攻幻梯，每個(gè)領(lǐng)域的業(yè)務(wù)不盡相同兜畸，不同業(yè)務(wù)之間的分析流程差異較大；其次碘梢，不同的數(shù)據(jù)技能咬摇，其通用性難以保證，各有專長(zhǎng)煞躬，而入門者一開始就在某項(xiàng)技能上深入肛鹏，很難培養(yǎng)數(shù)據(jù)分析的大局觀。正所謂一葉障目不見泰山恩沛。

• 統(tǒng)計(jì)學(xué)是重中之重的方法論：
  它和數(shù)據(jù)密不可分在扰，卻要高于數(shù)據(jù)本身±卓停可以說芒珠，在大數(shù)據(jù)時(shí)代，統(tǒng)計(jì)學(xué)提綱挈領(lǐng)搅裙，引領(lǐng)著數(shù)據(jù)分析的方法論皱卓，屬于“法”的層面。缺乏足夠統(tǒng)計(jì)學(xué)訓(xùn)練的入門者部逮，難以真正掌握數(shù)據(jù)分析的精髓好爬。

• 統(tǒng)計(jì)學(xué)是絕佳的邏輯思考武器：
  比特幣大神和著名投資人李笑來(lái)曾在新生大學(xué)社群說過：“在這個(gè)時(shí)代，不懂一點(diǎn)統(tǒng)計(jì)和概率論甥啄，簡(jiǎn)直就是文盲”。此言不虛炬搭，在這個(gè)數(shù)據(jù)爆炸的時(shí)代蜈漓，我們的眼耳鼻舌身接收到的幾乎都是量化的信息，不懂統(tǒng)計(jì)宫盔，你就少了一樣看清世界真相的重要武器融虽。

2. 統(tǒng)計(jì)學(xué)和數(shù)據(jù)分析的關(guān)系

說到統(tǒng)計(jì)學(xué)，我們先來(lái)看看它的維基百科定義：

統(tǒng)計(jì)學(xué)是在數(shù)據(jù)分析的基礎(chǔ)上灼芭，自17世紀(jì)中葉產(chǎn)生并逐步發(fā)展起來(lái)的一門學(xué)科有额。
它是研究如何測(cè)定、收集、整理巍佑、歸納和分析反映數(shù)據(jù)茴迁，以便給出正確消息的科學(xué)。統(tǒng)計(jì)廣泛地應(yīng)用在各門學(xué)科萤衰，從自然科學(xué)堕义、社會(huì)科學(xué)到人文學(xué)科，甚至被用來(lái)工商業(yè)及政府的情報(bào)決策之上脆栋。
隨著大數(shù)據(jù)(Big Data)時(shí)代來(lái)臨倦卖，統(tǒng)計(jì)的面貌也逐漸改變，與信息椿争、計(jì)算等領(lǐng)域密切結(jié)合怕膛，是數(shù)據(jù)科學(xué)(Data Science)中的重要主軸之一。

好了秦踪，統(tǒng)計(jì)學(xué)和數(shù)據(jù)分析的關(guān)系一目了然：

統(tǒng)計(jì)研究數(shù)據(jù)的特征褐捻，并從中抽取規(guī)律來(lái)做決策。
那么洋侨，統(tǒng)計(jì)學(xué)是如何從大量貌似雜亂無(wú)序的數(shù)據(jù)中尋找特征的呢舍扰？簡(jiǎn)單來(lái)說有兩點(diǎn)：
用圖形化呈現(xiàn)特征（可視化）

以某個(gè)數(shù)字來(lái)代表特征（該數(shù)即統(tǒng)計(jì)量）

從圖形化出發(fā)，我們先學(xué)習(xí)一個(gè)常見且重要的統(tǒng)計(jì)圖形：直方圖希坚。

3. 直方圖(Histogram)
直方圖边苹，可以理解為由一系列高度不等的縱向條柱來(lái)表示數(shù)據(jù)分布特征的統(tǒng)計(jì)報(bào)告圖，它是對(duì)原始數(shù)據(jù)進(jìn)行壓縮的結(jié)果裁僧。
它的生成步驟如下:

• 1. 找出原始數(shù)據(jù)集的最大值和最小值
• 2. 根據(jù)最大值和最小值將原始數(shù)據(jù)大致劃分成若干組
• 3. 確定各組的代表值个束，稱為組值
• 4. 確定每組值的數(shù)據(jù)個(gè)數(shù)，稱為頻數(shù)
• 5. 計(jì)算每組頻數(shù)的累計(jì)值聊疲，稱為累計(jì)頻數(shù)
• 6. 在橫軸上等間距放置組值
• 7. 在縱軸上做出柱狀圖茬底，高度為該組值對(duì)應(yīng)分組的頻數(shù)

以上步驟看起來(lái)可能比較抽象，我們大致了解即可获洲。真正制作直方圖時(shí)阱表，不需要我們親力親為以上步驟，一般的程序和工具包都可以直接繪制直方圖贡珊。

下面以常用語(yǔ)言Python和R為例來(lái)演示如何用程序生成直方圖最爬，當(dāng)然，這也是數(shù)據(jù)可視化的入門范例门岔。

以下為Python產(chǎn)生直方圖的樣例代碼爱致，運(yùn)行環(huán)境為Mac終端的IPython：

Python直方圖代碼

以上Python代碼生成的直方圖效果如下:

隨機(jī)數(shù)正態(tài)分布直方圖

以下為用R產(chǎn)生直方圖的樣例代碼，運(yùn)行環(huán)境為Mac版的RStudio：

R直方圖代碼.png

以上R代碼生成的直方圖效果如下:

R代碼產(chǎn)生的直方圖

注：上圖標(biāo)題“breaks = 40”表示原始數(shù)據(jù)被分成40個(gè)數(shù)據(jù)組寒随，該R代碼來(lái)自謝益輝的《現(xiàn)代統(tǒng)計(jì)圖形》

直方圖對(duì)理解統(tǒng)計(jì)學(xué)至關(guān)重要糠悯，請(qǐng)大家仔細(xì)體會(huì)和通過代碼學(xué)習(xí)帮坚。

題圖作者：William Bout
圖片授權(quán)基于：CC0協(xié)議