Python中如何使用describe方法来观察数据分布？

本文共计443个文字，预计阅读时间需要2分钟。

观察数据分布，描述训练集头部内容：描述：数据集前5条记录展示如下：

1.特征1: 值1, 特征2: 值2, 特征3: 值3, 标签: 类别1

2.特征1: 值4, 特征2: 值5, 特征3: 值6, 标签: 类别2

3.特征1: 值7, 特征2: 值8, 特征3: 值9, 标签: 类别1

4.特征1: 值10, 特征2: 值11, 特征3: 值12, 标签: 类别3

5.特征1: 值13, 特征2: 值14, 特征3: 值15, 标签: 类别2

如何观察数据分布_describe

train.head(5) #显示前5行数据
train.tail(5) #显示后5行
train.columns #查看列名
train.info() #查看各字段的信息
train.shape #查看数据集行列分布，几行几列
train.describe() #查看数据的大体情况

从上面的描述性统计可以看出两点：
**正偏态
离散程度**
1）所有的特征都是正倾斜的，最大值是平均数的几倍。
2）离散系数（coefficient of variation，或变异系数）非常高，接近甚至超过1，说明数据的离散程度很大，波动范围很大。

备注：

正倾斜（positively skewed）： 平均数 > 中位数，由于数据中有些很大很大的极端值，使得整体平均数被极少数的极端大值拉大了，俗称“被平均”，而中位数受极端值的影响其实很小，因而此时用中位数作为中心趋势的估计比较稳健。
负倾斜：同理。