背景
除了離散型變量的頻率統計，連續型數值的分佈觀察也是探索性數據分析中常用的方法。僅僅只看平均值是不夠的，會掩蓋掉許多信息；你還需要觀察數據是均勻分佈的，還是主要集中在腰部首尾較少的橄欖型，或者是具有長尾效應的金字塔型——這樣才能對數據樣本有更全面的瞭解。另外，除了探索性數據分析以外，基於預期的分位數反推數據，也是實際業務中許多運營策略臨界值的決策依據。因此，基於臨界值統計分佈、基於分位點計算臨界值，是這個工具的主要目標。
在實際工作中，這種數據需求並不少見——比如用戶使用時長分佈、訂單金額分佈、連續訪問間隔分佈等等。其實統計方法很簡單，一般就是設置斷點，將連續數值分隔成離散區間，再聚合統計。不過既然是探索性數據分析，也許並沒有許多先驗知識，比如斷點怎麼設置才合理。交付完數據之後，如果需求方還想再換種分析角度，那就得改代碼再跑一遍……
事實上，探索性數據分析應當是一種輕量的、高頻的場景，它不值得數據分析師投入太多支持成本，更不值得數據倉庫專門去生產調度——它就應該是一個輕量級的工具，即時需要，即時查詢，即時獲取到分析結果，用完就走，什麼都不留下。
本文以訂單金額分佈分析爲應用場景，探索2個問題，來演示這個工具如何使用：
- 付費用戶的支付金額主要集中在什麼範圍，亦即消費主力的消費水平如何？
- 如果要分別對頭部20%、尾部20%的付費用戶作運營活動，應該怎麼確定範圍？
產品操作
數據樣本
以均值1000，標準差爲200的標準構建樣本量爲10000的正態分佈隨機數據（一會兒我們驗證一下究竟長得像不像正態分佈），然後上傳上去，就一個付費金額字段，其他不需要。
控件功能
控件有3個，第1個是用來選擇1個度量的下拉框，當用戶上傳完數據後，這個下拉框會自動篩選出度量，用戶選擇1個即可。後面2個輸入框分別對應着下面2個圖——中間的輸入框用來輸入區間斷點，即輸入一些數值，系統基於這個數值劃分區間再統計分步；右邊的輸入框用來輸入分位點，系統基於分位點自動計算並返回對應的數值。
良好的兼容性
用戶在這2個輸入框中輸入數值，用英文逗號連接。
- 不需要考慮輸入的數值是否在數據範圍內，系統會自動把小於最小值或大於最小值的輸入值給過濾掉
- 不需要考慮從大到小還是從小到大的順序，系統會自動排序
- 不需要考慮有沒有多打幾個空格沒看出來，系統會自動trim
- 不需要在意輸入的有沒有字符串等錯誤信息，系統會自動過濾，只要在對的地方用逗號分割
比如，我只輸入一個0，這是小於數據的最小值的，所以整個訂單金額並沒有被分割：
比如我不按順序（還有重複）地輸入1000,2000,1000,1500，系統會自動先排序再分割統計：
比如我的輸入中帶有字符串，系統會自動忽略：
綜上，只要用戶填寫的分界點的數值本身沒寫錯，分隔符的位置也沒寫錯，其他無約束，想怎麼填就怎麼填。
數據分析
回到我們開頭的2個問題，我們怎麼使用這個工具快速進行分析，得出結論？
基於分界點計算分佈
我先從0開始，每隔500作爲一個步長來遞進到3000，即輸入0,500,1000,1500,2000,2500,3000。可以看到付費訂單金額最小值是14，最大是1736，付費金額主要集中在(500,1500]的範圍內。
當然，你可能覺得這麼劃分太粗，沒關係，可以繼續細化，也不用考慮是不是均勻分割的——前面說過，想怎麼填就怎麼填。我們在剛纔的基礎上，進一步對500~1500的範圍內，以每隔100的規則遞進，即輸入0,500,600,700,800,900,1000,1100,1200,1300,1400,1500,2000,2500,3000。可以看到，果然是標準的正態分佈。
當然，我們把鼠標hover到柱形圖上，可以看到更詳細的信息：
-
interval：所在區間 -
counts：所在區間內樣本量 -
frequency：所在區間內樣本的比例 -
accumulated frequency：所在區間的累計比例，即不超過這個區間的比例
圖中這個例子的解讀如下：消費金額在(1000,1100]範圍內的付費用戶數有1919個，佔全部付費用戶的19.19%，消費不超過1100的付費用戶比例爲69.55。
每個柱形hover一遍，自己再口算一下，第1個問題就能回答：消費主力羣（佔付費用戶比例的77.43%）的消費金額都介於700~1300。
基於分位點計算分界值
現在回答第2個問題，要把頭部和尾部各20%的用戶篩選出來，即是求20%和80%分位數的值，在右側輸入框輸入0.2,0.8即可。從圖中可以看到，20%分位數是828，80%分位數是1165。因此，要找頭部20%付費用戶，即篩選付費金額大於等於1165的；尾巴20%則篩選付費金額小於等於828的。
