1.一维描述性统计

描述性统计量分为：集中趋势、离散程度（离中趋势）和分布形态。

2.集中趋势

数据的集中趋势，用于度量数据分布的中心位置。直观地说，测量一个属性值的大部分落在何处。描述数据集中趋势的统计量是：平均值、中位数、众数。

• 平均值（Mean）：指一组数据的算术平均数，描述一组数据的平均水平，是集中趋势中波动最小、最可靠的指标，但是均值容易受到极端值（极小值或极大值）的影响。
• 中位数（Median）：指当一组数据按照顺序排列后，位于中间位置的数，不受极端值的影响，对于定序型变量，中位数是最适合的表征集中趋势的指标。
• 众数（Mode）：指一组数据中出现次数最多的观测值，不受极端值的影响，常用于描述定性数据的集中趋势。

众数不用计算，在一组数据中出现次数最多的数值为众数。

平均数非常明显的优点是，它能够利用所有数据的特征，而且比较好算。另外，在数学上，平均数是使误差平方和达到最小的统计量，也就是说利用平均数代表数据，可以使二次损失最小。中位数和众数这两个统计量的特点都是能够避免极端数据，但缺点是没有完全利用数据所反映出来的信息。由于各个统计量有各自的特征，所以需要我们根据实际问题来选择合适的统计量。

3.离散程度

数据的离散趋势，用于描述数据的分散程度，描述离散趋势的统计量是：极差、四分位数极差（IQR）、标准差、离散系数。

4.分布形态

偏度（Skewness）：用来评估一组数据分布呈现的对称程度。

当 偏度系数=0时，分布是对称的 当 偏度系数>0时，分布呈正偏态（右偏） 当 偏度系数<0时，分布呈负偏态（左偏）

峰度（Kurtosis）：用来评估一组数据的分布形状的高低程度的指标。

当 峰度系数=0时，是正态分布 当 峰度系数>0时，分布形态陡峭，数据分布更集中 当 峰度系数<0时，分布形态平缓，数据分布更分散

其他数据分布图——分位数是观察数据分布的最简单有效的方法，但分位数只能用于观察单一属性的数据分布。散点图可以用来观察双变量的数据分布，聚类可以用来观察更多变量的数据分布。通过观察数据的分布，采用合理的指标，使数据的分析更全面，避免得出像平均工资这类偏离事实的的分析结果。