京公网安备 11010802034615号
经营许可证编号:京B2-20210330
用Excel做数据分析——描述统计_数据分析师
某班级期中考试进行后,需要统计成绩的平均值、区间,以及给出班级内部学生成绩差异的量化标准,借此来作为解决班与班之间学生成绩的参差不齐的依据。要求得到标准差等统计数值。
样本数据分布区间、标准差等都是描述样本数据范围及波动大小的统计量,统计标准差需要得到样本均值,计算较为繁琐。这些都是描述样本数据的常用变量,使用Excel数据分析中的“描述统计”即可一次完成。
注:本功能需要使用Excel扩展功能,如果您的Excel尚未安装数据分析,请依次选择“工具”-“加载宏”,在安装光盘中加载“分析数据库”。加载成功后,可以在“工具”下拉菜单中看到“数据分析”选项。
操作步骤
1.打开原始数据表格,制作本实例的原始数据无特殊要求,只要满足行或列中为同一属性数值即可。
2. 选择“工具”-“数据分析”-“描述统计”后,出现属性设置框,依次选择:
输入区域:原始数据区域,可以选中多个行或列,注意选择相应的分组方式;
如果数据有标志,注意勾选“标志位于第一行”;如果输入区域没有标志项,该复选框将被清除,Excel 将在输出表中生成适宜的数据标志;
输出区域可以选择本表、新工作表或是新工作簿;
汇总统计:包括有平均值、标准误差(相对于平均值)、中值、众数、标准偏差、方差、峰值、偏斜度、极差、最小值、最大值、总和、总个数、最大值、最小值和置信度等相关项目。
其中:
中值:排序后位于中间的数据的值;
众数:出现次数最多的值;
峰值:衡量数据分布起伏变化的指标,以正态分布为基准,比其平缓时值为正,反之则为负;
偏斜度:衡量数据峰值偏移的指数,根据峰值在均值左侧或者右侧分别为正值或负值;
极差:最大值与最小值的差。
第K大(小)值:输出表的某一行中包含每个数据区域中的第 k 个最大(小)值。
平均数置信度:数值 95% 可用来计算在显著性水平为 5% 时的平均值置信度。
结果示例如下(本实例演示了双列数据的描述统计结果):
|
成绩 |
学习时间 |
||
|
平均 |
78.64285714 |
平均 |
62.91428571 |
|
标准误差 |
2.408241878 |
标准误差 |
1.926593502 |
|
中位数 |
85 |
中位数 |
68 |
|
众数 |
98 |
众数 |
78.4 |
|
标准差 |
18.02163202 |
标准差 |
14.41730562 |
|
方差 |
324.7792208 |
方差 |
207.8587013 |
|
峰度 |
1.464424408 |
峰度 |
1.464424408 |
|
偏度 |
-1.130551511 |
偏度 |
-1.13055151 |
|
区域 |
85 |
区域 |
68 |
|
最小值 |
15 |
最小值 |
12 |
|
最大值 |
100 |
最大值 |
80 |
|
求和 |
4404 |
求和 |
3523.2 |
|
观测数 |
56 |
观测数 |
56 |
|
最大 (1) |
100 |
最大 (1) |
80 |
|
最小 (1) |
15 |
最小 (1) |
12 |
|
置信度 (95.0%) |
4.826224539 |
置信度 (95.0%) |
3.860979631 |
某班级期中考试进行后,需要统计成绩的平均值、区间,以及给出班级内部学生成绩差异的量化标准,借此来作为解决班与班之间学生成绩的参差不齐的依据。要求得到标准差等统计数值。
样本数据分布区间、标准差等都是描述样本数据范围及波动大小的统计量,统计标准差需要得到样本均值,计算较为繁琐。这些都是描述样本数据的常用变量,使用Excel数据分析中的“描述统计”即可一次完成。
注:本功能需要使用Excel扩展功能,如果您的Excel尚未安装数据分析,请依次选择“工具”-“加载宏”,在安装光盘中加载“分析数据库”。加载成功后,可以在“工具”下拉菜单中看到“数据分析”选项。
操作步骤
1.打开原始数据表格,制作本实例的原始数据无特殊要求,只要满足行或列中为同一属性数值即可。
2. 选择“工具”-“数据分析”-“描述统计”后,出现属性设置框,依次选择:
输入区域:原始数据区域,可以选中多个行或列,注意选择相应的分组方式;
如果数据有标志,注意勾选“标志位于第一行”;如果输入区域没有标志项,该复选框将被清除,Excel 将在输出表中生成适宜的数据标志;
输出区域可以选择本表、新工作表或是新工作簿;
汇总统计:包括有平均值、标准误差(相对于平均值)、中值、众数、标准偏差、方差、峰值、偏斜度、极差、最小值、最大值、总和、总个数、最大值、最小值和置信度等相关项目。
其中:
中值:排序后位于中间的数据的值;
众数:出现次数最多的值;
峰值:衡量数据分布起伏变化的指标,以正态分布为基准,比其平缓时值为正,反之则为负;
偏斜度:衡量数据峰值偏移的指数,根据峰值在均值左侧或者右侧分别为正值或负值;
极差:最大值与最小值的差。
第K大(小)值:输出表的某一行中包含每个数据区域中的第 k 个最大(小)值。
平均数置信度:数值 95% 可用来计算在显著性水平为 5% 时的平均值置信度。
结果示例如下(本实例演示了双列数据的描述统计结果):
|
成绩 |
学习时间 |
||
|
平均 |
78.64285714 |
平均 |
62.91428571 |
|
标准误差 |
2.408241878 |
标准误差 |
1.926593502 |
|
中位数 |
85 |
中位数 |
68 |
|
众数 |
98 |
众数 |
78.4 |
|
标准差 |
18.02163202 |
标准差 |
14.41730562 |
|
方差 |
324.7792208 |
方差 |
207.8587013 |
|
峰度 |
1.464424408 |
峰度 |
1.464424408 |
|
偏度 |
-1.130551511 |
偏度 |
-1.13055151 |
|
区域 |
85 |
区域 |
68 |
|
最小值 |
15 |
最小值 |
12 |
|
最大值 |
100 |
最大值 |
80 |
|
求和 |
4404 |
求和 |
3523.2 |
|
观测数 |
56 |
观测数 |
56 |
|
最大 (1) |
100 |
最大 (1) |
80 |
|
最小 (1) |
15 |
最小 (1) |
12 |
|
置信度 (95.0%) |
4.826224539 |
置信度 (95.0%) |
3.860979631 |
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21