這是筆試/面試題系列的第2篇文章
在瞭解何爲偏態數據前，要先從正態數據說起。
正態分佈
正態分佈是自然界中廣泛存在的，我們都知道它是兩頭低，中間高，整個形態呈現對稱鐘形的一個分佈，之所以叫正態分佈，是因爲在大量連續數據測量的情況下，我們比較希望看到這種狀態，一個標準的正態分佈是u（均值）=0，σ（標準差）=1。
從下圖可以看出，橫座標代表隨機變量X的一個取值，在均值（u=0）附近概率密度最大，越偏離均值，概率密度減小，不在(u-3σ,u+3σ)範圍內的數據就屬於統計學意義上的異常值了。
偏態分佈
但是現實生活中總是會存在不是正態分佈的情況，非正態分佈，那就是偏態分佈了，有兩種，左偏（負偏態）和右偏（正偏態），可以用偏度來描述，偏度>0，則頻數分佈的高峯向左偏移，呈右（正）偏態分佈；偏度<0，則頻數分佈的高峯向右偏移，呈左（負）偏態分佈；|偏度|>1，呈高度偏態，0.5<|偏度|<1，呈中等偏態。
偏態分佈的數據如何處理
對於偏態分佈的數據，我們需要做一些處理使其變換爲正態分佈，常用的變換方式有
- 對數變換：適用於相乘關係的數據、高度偏態的數據
- 平方根變換：適用於泊松分佈（方差與均數近似相等）的數據、輕度偏態的數據
- 反正弦變換：適用於百分比的數據、中度偏態的數據
- 倒數變換1/x：適用於兩端波動較大的數據
記得上上小節泰坦尼克數據分析中的fare字段嗎，從偏度可以看出是一個很明顯的右偏分佈的數據
繪製直方圖觀察也是如此，這時就可以使用對數變換。
雙擊縱座標，在彈出的【設置座標軸格式】中選擇對數刻度即可，比之前的右偏好多了。
總結
1 偏態是針對正態而言的
2 描述偏態的有偏度係數這個指標
3 偏態數據通常轉換爲正態分佈的數據，用的較多的轉換方式有對數和平方根
猜你喜歡:
泰坦尼克號數據分析
@ 作者：可樂
@ 公衆號/知乎專欄/頭條/簡書：可樂的數據分析之路
@ 個人微信：data_cola
