数据可视化一直是一个有用却常常被忽视的数据分析方法，本系列借助 gnuplot 或 Python 包以工程师视角介绍常见的图例展示方法。数据可视化：常见统计量（4，略进阶）（附 python 代码）

文章来自微信公众号“科文路”，欢迎关注、互动。转载须注明出处。

前面的章节里，我们从“统计量”（statistic）起步。

这一节先接着说一下其余的常见统计量以及两个常用的概率分布，至此就结束了基础知识背景的回顾。其实这方面的内容还有很多，但局限于时间、精力，如果后续“可视化”的章节里有涉及，我们再补充。

这篇写的好累，如果你觉得有用还是点个赞吧。

1. 术语表（更新）

中文	英文	常用符号	$\LaTeX$
均值	mean	$\mu$, $\bar{x}$	\mu, \bar{x}
中位数	median	$\text{med}$	\text{med}
众数	mode	$\text{mode}$	\text{mode}
方差	variance	$\sigma^2$	\sigma^2
标准差	standard deviation	$\sigma$	\sigma
最大值	maximum	$\max$	\max
最小值	minimum	$\min$	\min
分位数	quantile	$Q$
矩	Moment	$\mu_{n}$	\mu_{n}
偏度	skewness
峰度	kurtosis	$\operatorname {Kurt}[X]$
正态分布	normal distribution	${X\ \sim \mathcal {N}}(\mu ,\sigma ^{2})$
卡方分布	$\chi^2$-distribution	$Q\ \sim \ \chi ^{2}(k)$

数据可视化一直是一个有用却又常常被忽视的数据分析方法，本系列借助 gnuplot 或 Python 包以工程师视角介绍常见的图例展示方法。数据可视化：常见统计量（2）（附 python 代码）

文章来自微信公众号“科文路”，欢迎关注、互动。转载须注明出处。

上一节，我们从“统计量”（statistic）起步。这一节先回顾一下一些常见的统计量。

1. 术语表

中文	英文	常用符号	$\LaTeX$
均值	mean	$\mu$, $\bar{x}$	\mu, \bar{x}
中位数	median	$\text{med}$	\text{med}
众数	mode	$\text{mode}$	\text{mode}
期望值	expectation	$\operatorname {E}$	\operatorname {E}
方差	variance	$\sigma^2$	\sigma^2
标准差	standard deviation	$\sigma$	\sigma
最大值	maximum	$\max$	\max
最小值	minimum	$\min$	\min

数据可视化一直是一个有用却用常常被忽视的数据分析方法，本系列借助 gnuplot 或 Python 包介绍常见的图例展示方法。数据可视化：统计量（2）

文章来自微信公众号“科文路”，欢迎关注、互动。转载须注明出处。

我们将从一些统计学相关的概念起步，以确保各位读者在基础知识方面有一个合格的起点。道理其实很简单——之所以使用“数据可视化”，那必然是因为从原始数据上很难发现差异或者规律，但我们至少要能知道如何在原始数据上进行研究。

所以，我们从“统计量”（statistic）起步。

插一句，英文的 statistic 这个术语有点拗口，它既可以表示用来计算统计量的函数，例如 do a statistic on something；也可以表示计算的结果，也就是这里的统计量。

数据可视化一直是一个有用却用常常被忽视的数据分析方法，本系列借助 gnuplot 或 Python 包介绍常见的图例展示方法。

文章来自微信公众号“科文路”，欢迎关注、互动。转载须注明出处。

上周四的文章介绍了平行坐标图（parallel coordinates plot），是我最近工作中很苦恼的一个问题的解答。