第3章数据的整理与显示.ppt

《第3章数据的整理与显示.ppt》由会员分享，可在线阅读，更多相关《第3章数据的整理与显示.ppt（89页珍藏版）》请在三一文库上搜索。

1、第 3 章 数据的整理与显示,第 3 章 数据的整理与显示,3.1 数据的预处理 3.2 分类和顺序数据的整理与显示 3.3 数值型数据的整理与显示 3.4 合理使用图表,学习目标,了解数据预处理的内容和目的 掌握分类和顺序数据的整理与显示方法 掌握数值型数据的整理与显示方法 用Excel作频数分布表和形图 合理使用统计表,3.1 数据的预处理,一. 数据审核 二. 数据筛选 数据排序 数据透视,数据的预处理,数据的审核 检查数据中的错误 数据的筛选 找出符合条件的数据 数据排序 升序和降序 寻找数据的基本特征,数据审核,数据审核原始数据 (raw data), 审核的内容 完整性审核 检查应

2、调查的单位或个体是否有遗漏 所有的调查项目或指标是否填写齐全 准确性审核 检查数据是否真实反映客观实际情况，内容是否符合实际 检查数据是否有错误，是否存在异常值计算是否正确等,数据的审核二手数据 (second hand data),适用性审核 弄清楚数据的来源、数据的口径以及有关的背景材料 确定数据是否符合自己分析研究的需要 时效性审核 尽可能使用最新的数据 确认是否必要做进一步的加工整理,数据筛选与排序,数据筛选 (data filter),根据需要找出符合特定条件的某类数据 数据筛选的内容包括 将某些不符合要求的数据或有明显错误的数据予以剔除 将符合某种特定条件的数据筛选出来，而不符合特

3、定条件的数据予以剔,用Excel进行数据筛选找出统计学成绩等于75分得学生，英语成绩最高的前三名学生，四门课程成绩都大于70分的学生,8名学生的考试成绩数据,数据筛选 (data filter),数据排序 (data rank),按一定顺序将数据排列，以发现一些明显的特征或趋势，找到解决问题的线索 排序有助于对数据检查纠错，以及为重新归类或分组等提供依据 在某些场合，排序本身就是分析的目的之一 排序可借助于计算机完成,数据排序 (方法),分类数据的排序 字母型数据，排序有升序降序之分，但习惯上用升序 汉字型数据，可按汉字的首位拼音字母排列，也可按笔画排序，其中也有笔画多少的升序降序之分 数值型

4、数据的排序 递增排序：设一组数据为x1，x2，xn，递增排序后可表示为：x(1)x(2)x(n),excel,数据透视表,利用数据透视表，对数据表的重要信息按使用者的习惯或分析要求进行汇总和作图，以形成符合要求的交叉表,例2.2,在某大学随机抽取30名学生，调查他们的性别、家庭所在地、平均月生活费支出、平均每月购买衣物支出和购买衣物时所考虑的首要因素等，得到数据如表。试建立一个数据透视表，在表的行变量中给出性别和购买衣物的首选因素，在列变量中给出学生的家庭所在地，对平均月生活费支出和月平均购买衣物支出进行交叉汇总。 解,excel,3.2 分类和顺序数据的整理与显示,一. 分类数据的整理与显示

5、 二. 顺序数据的整理与显示,数据的整理与显示 (基本问题),要弄清所面对的数据类型，因为不同类型的数据，所采取的处理方式和方法是不同的 对分类数据和顺序数据主要是做分类整理 对数值型数据则主要是做分组整理 适合于低层次数据的整理和显示方法也适合于高层次的数据；但适合于高层次数据的整理和显示方法并不适合于低层次的数据,分类数据的整理与图示,分类数据的整理 (基本过程),1. 列出各类别,3. 制作频数分布表 4. 用图形显示数据,分类数据的整理 (可计算的统计量),频数(frequency) ：落在各类别中的数据个数 比例(proportion) ：某一类别数据占全部数据的比值 百分比(per

6、centage) ：将对比的基数作为100而计算的比值 比率(ratio) ：不同类别数值的比值,生成频数分布表 (定性数据),【例2.3】为研究不同类型的软饮料的市场销售情况，一家市场调查公司对随机抽取的一家超市进行调查。下面的表21是调查员随机观察的50名顾客购买的饮料类型及购买者性别的记录。生成频数分布表，观察饮料类型和消费者性别的分布状况，并进行描述性分析,制作频数分布表,Excel,使用Excel数据透视表计数 (pivot table),第1步：选择【数据】菜单中的【数据透视表和数据透视图】 第2步：确定数据源区域(在操作前将光标放在任意数据单元格 内，系统会自动选定数据源区域)

7、第3步：在【向导3步骤之3】中选择数据透视表的输出位 置，然后选择【布局】 第4步：在【向导布局】对话框中，依次将“饮料类型”拖至左边的“行”(或列)区域，将“顾客性别”拖至 “列”(或 行)区域，将“饮料类型”拖至“数据”区域。 第5步：单击【确定】，自动返回【向导3步骤之3】对话 框。单击【完成】,用数据透视表生成分类数据的频数分布,Excel,生成频数分布表 (列联表Excel),不同类型饮料和顾客性别的频数分布,绿色 健康饮品,分类数据的图示条形图 (bar Chart),用宽度相同的条形的高度或长短来表示各类别数据 各类别可放在纵轴，称为条形图，可以放在横轴，称为柱形图(column

8、 chart),分类数据的图示复式条形图 (bar Chart),饮料类型和顾客性别的条形图 (SPSS的输出),分类数据的图示帕累托图 (pareto chart),按各类别数据出现的频数多少排序后绘制的柱形图 用于展示分类数据的分布,分类数据的图示简单饼图 (pie Chart),用圆形及圆内扇形的角度来表示数值大小的图形，主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例 用于研究结构问题,顺序数据的整理与图示,顺序数据的整理 (可计算的指标),1. 累积频数(cumulative frequencies)：各类别频数的逐级累加 2. 累积频率(cumulative per

9、centages)：各类别频率(百分比)的逐级累加,顺序数据的频数分布表 (例题分析),【例】在一项城市住房问题的研究中，研究人员在甲乙两个城市各抽样调查300户，其中的一个问题是：“您对您家庭目前的住房状况是否满意？ 1非常不满意；2不满意；3一般；4满意；5非常满意。,顺序数据的频数分布表 (例题分析),顺序数据的图示累计频数分布图 (例题分析),甲城市家庭对住房状况评价的累积频数分布,环形图 (例题分析),3.3 数值型数据的整理与显示,一. 数据分组 二. 数值型数据的图示,数据分组,分组方法,分组方法,单变量值分组 (要点),1. 将一个变量值作为一组 2. 适合于离散变量 3. 适

10、合于变量值较少的情况,组距分组 (要点),将变量值的一个区间作为一组 适合于连续变量 适合于变量值较多的情况 需要遵循“不重不漏”的原则 可采用等距分组，也可采用不等距分组,组距分组 (步骤),确定组数：组数的确定应以能够显示数据的分布特征和规律为目的。一般组数不应少于5组且不应大于15组。在实际分组时，可以按 Sturges 提出的经验公式来确定组数K,确定组距：组距(Class Width)是一个组的上限与下限之差，可根据全部数据的最大值和最小值及所分的组数来确定，即 组距( 最大值 - 最小值) 组数,统计出各组的频数并整理成频数分布表,组距分组 (几个概念),1. 下限(low lim

11、it) ：一个组的最小值 2. 上限(upper limit) ：一个组的最大值 3. 组距(class width) ：上限与下限之差 4. 组中值(class midpoint) ：下限与上限之间的中点值,频数分布表的编制 (例题分析),【例】某电脑公司2002年前四个月各天的销售量数据(单位：台)。试对数据进行分组。,频数分布表的编制 (步骤),确定组数：根据 Sturges 提出的经验公式得组数K为：,确定各组的组距： 组距( 237 - 141) 10=9.6 10,用Excel制作频数分布表,等距分组表 (上下组限重叠),等距分组表 (上下组限间断),等距分组表 (使用开口组),组

12、距分组与不等距分组 (在表现频数分布上的差异),等距分组 各组频数的分布不受组距大小的影响 可直接根据绝对频数来观察频数分布的特征 不等距分组 各组频数的分布受组距大小不同的影响 各组绝对频数的多少不能反映频数分布的实际状况 需要用频数密度（频数密度=频数/组距）反映频数分布的实际状况,组中值,组中值(class midpoint) ：下限与上限之间的中点值,组距分组掩盖了各组内的数据分布，用组中值 代表 该组数据水平前提：数据在组内呈均匀分布或在组 值两侧对称分布,数值型数据的图示,分组数据直方图和折线图,分组数据直方图 (histogram),用矩形的宽度和高度来表示频数分布的图形，实际上

13、是用矩形的面积来表示各组的频数分布 在直角坐标中，用横轴表示数据分组，纵轴表示频数或频率，各组与相应的频数就形成了一个矩形，即直方图 直方图下的总面积等于1,分组数据的图示 (直方图的绘制),某电脑公司销售量分布的直方图,我一眼就看出来了，销售量在170180之间的天数最多!,分组数据直方图 (直方图与条形图的区别),条形图是用条形的长度(横置时)表示各类别频数的多少，其宽度(表示类别)则是固定的 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或百分比，宽度则表示各组的组距，其高度与宽度均有意义 直方图的各矩形通常是连续排列，条形图则是分开排列 条形图主要用于展示分类数据，直方图

14、则主要用于展示数值型数据,数值型数据的图示,STATISTICA,未分组数据茎叶图和箱线图,未分组数据茎叶图 (stem-and-leaf display),用于显示未分组的原始数据的分布 由“茎”和“叶”两部分构成，其图形是由数字组成的 以该组数据的高位数值作树茎，低位数字作树叶 树叶上只保留一位数字 5. 茎叶图类似于横置的直方图，但又有区别 直方图可观察一组数据的分布状况，但没有给出具体的数值 茎叶图既能给出数据的分布状况，又能给出每一个原始数值，保留了原始数据的信息,未分组数据茎叶图 (例题分析),未分组数据茎叶图 (扩展的茎叶图),未分组数据箱线图 (box plot),用于显示未分

15、组的原始数据的分布 箱线图由一组数据的5个特征值绘制而成，它由一个箱子和两条线段组成 其绘制方法是： 首先找出一组数据的5个特征值，即最大值、最小值、中位数Me 和两个四分位数(下四分位数QL和上四分位数QU） 连接两个四分（位）数画出箱子，再将两个极值点与箱子相连接,未分组数据单批数据箱线图 (箱线图的构成),未分组数据单批数据箱线图 (例题分析),分布的形状与箱线图,不同分布的箱线图,未分组数据多批数据箱线图 (例题分析),【例】 从某大学经济管理专业二年级学生中随机抽取11人，对8门主要课程的考试成绩进行调查，所得结果如表。试绘制各科考试成绩的批比较箱线图，并分析各科考试成绩的分布特征,

16、未分组数据多批数据箱线图 (例题分析),8门课程考试成绩的箱线图,11名学生8门课程考试成绩的箱线图,Min-Max,25%-75%,Median value,45,55,65,75,85,95,105,学生1,学生2,学生3,学生4,学生5,学生6,学生7,学生8,学生9,学生10,学生11,未分组数据多批数据箱线图 (例题分析),数值型数据的图示,时间序列数据线图,时间序列数据线图 (line plot), 绘制线图时应注意以下几点 时间一般绘在横轴，指标数据绘在纵轴 图形的长宽比例要适当，其长宽比例大致为10：7 一般情况下，纵轴数据下端应从“0”开始，以便于比较。数据与“0”之间的间距

17、过大时，可以采取折断的符号将纵轴折断,时间序列数据线图 (例题分析),【例】已知19912000年我国城乡居民家庭的人均收入数据如表。试绘制线图,时间序列数据线图 (例题分析),数值型数据的图示,多变量数据维散点图 气泡图 雷达图,多变量数据散点图 (scatter diagram),1.用二维坐标展示两个变量之间关系的一种图形 2. 坐标横轴代表变量x,纵轴代表变量Y,每组数据 在坐标系中用一个点表示，n组数据在坐标系中形成的n个点称为散点，由坐标及散点形成的二维数据图称为散点图,例2.9,小麦的单位面积产量与降雨量和温度有关。为了了解它们之间的关系，收集到如下数据。绘制小麦产量与降雨量的散

18、点图，并分析它们之间的关系,多变量数据气泡图,1.表示三个变量之间的关系 2.一变量放在横轴，另一个变量放在纵轴，第三个变量用气泡的大小来表示。,显示多个变量的图示方法 在显示或对比各变量的数值总和时十分有用 假定各变量的取值具有相同的正负号，总的绝对值与图形所围成的区域成正比 可用于研究多个样本之间的相似程度,多变量数据雷达图 (radar chart),显示多个变量的图示方法 在显示或对比各变量的数值总和时十分有用 假定各变量的取值具有相同的正负号，总的绝对值与图形所围成的区域成正比 可用于研究多个样本之间的相似程度,多变量数据雷达图 (radar chart), 设有n组样本S1，S2，

19、Sn，每个样本测得P个变量X1，X2，Xp，要绘制这P个变量的雷达图，其具体做法是,多变量数据雷达图 (雷达图的制作),先做一个圆，然后将圆P等分，得到P个点，令这P个点分别对应P个变量，在将这P个点与圆心连线，得到P个幅射状的半径，这P个半径分别作为P个变量的坐标轴，每个变量值的大小由半径上的点到圆心的距离表示 再将同一样本的值在P个坐标上的点连线。这样，n个样本形成的n个多边形就是一个雷达图,多变量数据雷达图 (例题分析),【例】2000年我国城乡居民家庭平均每人各项生活消费支出构成数据如表。试绘制雷达图。,今天的主食是面包,多变量数据雷达图 (例题分析),频数分布的类型,频数分布的类型,

20、几种常见的频数分布,3.4 统计表,一. 统计表的构成 二. 统计表的设计,好的图形的基本特征,1.显示数据 2.让读者的注意力集中在图形的内容上 3.避免歪曲 4.强调数据之间的比较 5.服务于一个明确的目的 6.有对图形的统计描述和文字说明,鉴别统计图优劣的准则,1.一好的图形应精心设计，且有助洞察问题的实质 2. 一好的图形应使复杂的观点得到简明、确切、高效的阐述。 3. 一好的图形应能在最短的时间内以最少的笔墨给读者提供最大量的信息 4.一好的图形应当是多维的 5 .一好的图形应当表述数据的真实情况,统计表的结构,行标题,列标题,数字资料,表头,附加,合理安排统计表的结构 总标题内容应满足3W 要求 数据计量单位相同时，可放在表的右上角标明，不同时应放在每个指标后或单列出一列标明 表中的上下两条横线一般用粗线，其他线用细线 通常情况下，统计表的左右两边不封口 表中的数据一般是右对齐，有小数点时应以小数点对齐，而且小数点的位数应统一 对于没有数字的表格单元，一般用“”表示 必要时可在表的下方加上注释,统计表的设计,统计表的设计 (比较与选用),统计表的设计 (比较与选用),统计表的设计 (比较与选用),本章小结,数据预处理的内容和目的 分类和顺序数据的整理与显示方法 数值型数据的整理与显示方法 合理使用统计表 用Excel作频数分布表和图形,结 束,