在数据处理过程中,经常会遇到偏态数据。我们都知道数据整体服从正态分布,那样本均值和方差则相互独立。因此大家都会希望数据事成正态分布的,但是现实情况却是:大多数情况下,数据都是偏态分布的,这时候就需要我们将偏态数据正态化。今天,小编跟大家分享的就是将偏态数据正态化的处理方法,希望对大家研究和学习偏态数据有所帮助。
由图中可知,正态分布,两头低,中间高,整个形态是对称钟形的一个分布的状态。大量连续数据测量时,我们最希望的就是数据可以成这种状态,也就是正态分布,一个标准的正态分布是u(均值)=0.σ(标准差)=1.
横坐标代表随机变量X的一个取值,在均值(u=0)附近概率密度最大,越偏离均值,概率密度减小,不在(u-3σ,u+3σ)范围内的数据就属于统计学意义上的异常值了。
根据图中可以看出,偏态分布,分为两种情况,左偏又叫负偏态,以及右偏又叫正偏态,也可以用偏度来表示,偏度>0.也就是频数分布的高峰向左偏移,呈右(正)偏态分布;偏度<0.即频数分布的高峰向右偏移,呈左(负)偏态分布;|偏度|>1.呈高度偏态,0.5<|偏度|<1.呈中等偏态。
二、检验数据是否服从正态分布
rom scipy.stats import norm sns.distplot(train['SalePrice'],fit=norm) #均值和方差 (mu,sigma) = norm.fit(train['SalePrice']) print('n mu = {:.2f} and sigma = {:.2f}n'.format(mu, sigma)) plt.legend(['Normal dist. ($mu=$ {:.2f} and $sigma=$ {:.2f} )'.format(mu, sigma)], loc='best') plt.ylabel('Frequency') plt.title('SalePrice distribution') fig =plt.figure() res = stats.probplot(train['SalePrice'], plot=plt) plt.show()
三、偏态数据处理
如果检测到数据是呈偏态分布,我们需要将其其变换为正态分布,常用的几种变换方式为:
1、对数变换:即将原始数据X的对数值作为新的分布数据,适用于相乘关系的数据、高度偏态的数据
2、平方根变换:即即将原始数据X的平方根作为新的分布数据。适用于泊松分布(方差与均数近似相等)的数据、轻度偏态的数据
3、倒数变换1/x:即将原始数据X的倒数作为新的分析数据。适用于两端波动较大的数据
4、反正弦变换:即将原始数据X的平方根反正弦值做为新的分析数据。适用于百分比的数据、中度偏态的数据
#用对数化解决偏态 log(1+x) train['SalePrice'] = np.log1p(train['SalePrice']) sns.distplot(train['SalePrice'],fit=norm) (mu, sigma) = norm.fit(train['SalePrice']) print( 'n mu = {:.2f} and sigma = {:.2f}n'.format(mu, sigma)) #Now plot the distribution plt.legend(['Normal dist. ($mu=$ {:.2f} and $sigma=$ {:.2f} )'.format(mu, sigma)], loc='best') plt.ylabel('Frequency') plt.title('SalePrice distribution') #Get also the QQ-plot fig = plt.figure() res = stats.probplot(train['SalePrice'], plot=plt) plt.show()
相关性分析是一项重要的数据分析工具,可以帮助我们理解变量之间的关系并做出相应的推断。通过散点图、相关系数和回归分析等方法,我们可以定量地衡量变量之间的相关程度,并将其应用于各个领域的研究与实践中。深入理解相关性分析的原理和应用,对于数据科学家和决策者来说都是至关重要的技能。
想深入学习统计学知识,为数据分析筑牢根基?那快来看看统计学极简入门课程!
学习入口:https://edu.cda.cn/goods/show/3386?targetId=5647&preview=0
课程由专业数据分析师打造,完全免费,60 天有效期且随到随学。它用独特思路讲重点,从数据种类到统计学体系,内容通俗易懂。学完它,能让你轻松入门统计学,还能提升数据分析能力。赶紧点击链接开启学习,让自己在数据领域更上一层楼!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10