Coursera 笔记

Module 03 · Data Visualization

Statistical Charts统计图表

Coursera ↗

到目前为止，我们已经学习了如何以均值和计数的形式展示数据。现在，我们将探讨如何通过图形来表现其他统计参数。在超越均值的分析中，首要任务是观察方差或数据的分布情况。

一、 直方图 (Histograms) —— 观察分布

直方图是观察连续变量分布情况的理想选择。

  • 分布特性：直方图可以近似模拟正态分布曲线。
  • 案例分析（教学评价得分）：
    • 均值：约为 3.993.99 到 44 之间。
    • 标准差：0.550.55（基于 463463 条记录）。
    • 趋势观察：绝大多数得分集中在均值附近，但也存在少数极低分和相当高分。
  • 多重比较：通过叠加不同子群体的直方图（如男性与女性），可以观察分布差异。
    • 发现：女性讲师出现低分评价的频率可能更高，这会直接影响其整体平均分。

二、 箱线图 (Boxplots) —— 观察分位数

如果你希望展示比均值更多的信息（如中位数和四分位数），箱线图是最佳选择。

1. 箱线图结构说明

箱线图由以下几个核心部分组成：

  • 粗线：代表中位数 (Median)。
  • 箱体顶部：代表第三四分位数 (Third Quartile, Q3)。
  • 箱体底部：代表第一四分位数 (First Quartile, Q1)。
  • 顶端线条：代表最大值 (Maximum value)。
  • 底端线条：代表最小值 (Minimum value)。
  • 四分位距 (Inter-quartile Range, IQR)：指第一四分位数与第三四分位数之间的范围。

2. 案例分析：讲师年龄

通过对年龄变量绘制箱线图，我们可以得出：

  • 男性的中位数年龄高于女性。
  • 男性的最大年龄也高于女性。

3. Python 实践进阶

  • 基础绘图：使用 Seaborn 库中的 boxplot() 函数。
  • 布局选择：可以将性别置于 Y 轴，年龄置于 X 轴以生成水平箱线图（更具可读性），也可生成垂直箱线图。
  • 多维度分析 (Hue)：添加“终身教职 (Tenure)”维度。
    • 颜色分配：🔵 蓝色代表女性，🟠 橙色代表男性。
    • 核心发现：
      • 男性：获得终身教职的讲师比未获得的年龄更大。
      • 女性：获得终身教职的讲师反而比未获得的更年轻。
    • Python 实现：在 boxplot 函数中添加 hue 参数。

三、 饼图 (Pie Charts) —— 观察构成

饼图是展示数据构成比例的另一种方式。

  • 应用示例：展示男女讲师授课数量的占比。
    • 观察结果：男性讲师教授的课程数量明显多于女性讲师。
  • Python 实现 (使用 Matplotlib 库)：
    1. 定义标签：设定类别名称（男/女）。
    2. 计算数值：统计男女授课的具体数量并赋予变量（如 sizes）。
    3. 创建子图：调用 pie 函数，传入数值、标签，并设置百分比格式（保留一位小数）。
    4. 展示图形：使用 show() 函数打印图表。

结语：

通过直方图观察分布，利用箱线图对比分位数与一致性，结合饼图分析构成，我们能比单纯依靠均值获得更深邃的数据洞察。