一个维度的数据用不同的统计标准呈现出来的是完全不同的样貌。
这也是最容易迷惑受众的部分，对于分析业务为主的人来说，找到合适的统计标准是极为重要的。
1024更新
数据和统计基础
数据类型有：数值数据和分类数据。
数值数据 采用允许我们执行数学运算（例如计算狗的数量）的数值。
分类数据 用于标记一个群体或一组条目（例如狗的品种 —— 牧羊犬、拉布拉多、贵宾犬等）。
定序与定类
对于分类数据，我们分为两类: 定序与定类。
分类定序数据 有排名顺序（例如与狗的互动从很差到很好排序）。
分类定类数据 没有排序或排名（如狗的品种）。
连续与离散数据
我们可以将数值数据视为连续或离散的。
连续数据 可以分为更小的单位，并且仍然存在更小的单位。一个例子就是狗的年龄 - 我们可以以年、月、日、小时、秒为单位测量年龄，但是仍然存在可以与年龄关联的更小单位。
离散数据 仅采用可数值。我们互动的狗的数量就是离散数据类型的一个例子。
连续数据是可以采用小数精度的数据类型，而离散数据是可计数的数据类型。
数值数据的四个方面
分析数值数据有四个主要方面：
- Center 集中趋势测量
- Spread 离散程度测量
- Shape 数据的形状
- Outliers 异常值
集中趋势测量
集中趋势测量的方式有三种:
- Mean 均值
- Median 中位数
- Mode 众数
平均数、中位数、众数
平均数容易受到极值的影响，因为数据集并不能保证「干净」，各类运营数据经常受到扰动，比如薅羊毛党就会拉高营销活动的平均值。一般而言，可以用调整平均数（trimmed mean）消除异常波动，在数据集中删除一定比例的极大值和极小值，比如5%，然后重新计算平均数。
平均数、中位数、众数 描述的是数据的集中趋势，但是四分位数、方差、平方方差 描述的是数据的变异性
我们使用平均数还是中位数来描述数据集，很大程度上取决于我们数据集的形状以及是否有任何异常值。
要计算中位数，我们必须首先对值排序。
众数
无众数
如果数据集中的所有值出现的频数相同，则不存在众数。如果我们有一组数据集：
1, 1, 2, 2, 3, 3, 4, 4
则没有众数，因为所有观察值发生的次数相同。
多个众数
如果两个（或多个）数字出现的次数都是最多的，则有多个众数。如果我们有一组数据集:
1, 2, 3, 3, 3, 4, 5, 6, 6, 6, 7, 8, 9
其中有两个众数 3 和 6，因为这两个值都出现了三次，出现频率最高，而其他的值都只出现了一次。
1024更新结束
四分位数
数据分析师常将数据划分为四个部分，每一部分包含25%的数据集，划分的分割点叫做四分位数。
依次将数据升序排列，位于第25%位置的叫做第一四分位数Q1，位于第50%位置的叫做第二四分位数Q2，即中位数，位于第75%的叫做第三分位数Q3。这三个点，能辅助衡量数据的分布状态。
四分位数在统计学中的箱线图绘制方面应用也很广泛。所谓箱线图就是 由一组数据5 个特征绘制的一个箱子和两条线段的图形，这种直观的箱线图不仅能反映出一组数据的分布特征，而且还可以进行多组数据的分析比较。这五个特征值，即数据的最大值、最小值、中位数和两个四分位数。即：
数据的离散和变异：方差和标准差（重要概念）
方差和标准差的意义是相同的，但是标准差与原始数据的单位量纲相同，它更容易与平均数等度量比较。比如商品A的平均销量为11个，标准差为0.85个，于是我们知道这个商品卖的比较稳。
切比雪夫定理
其指出，至少有75%的数据值与平均数的距离在2个标准差以内，至少有89%的数据与平均数在3个标准差之内，至少有94%的数据与平均数在4个标准差以内。这是一个非常方便的定理，能快速掌握数据包含的范围。
假设上海地区的平均薪资是20k，标准差是5K，那么大约有90%的薪资，都在5k～35k的区间内。
如果数据本身符合正态（钟形）分布，那么切比雪夫定理的估算将进一步准确：68%的数据落在距离平均数一个标准差内，95%的数据值落在距离平均数2个标准差之内，几乎所有的数据落在三个标准差内。
箱线图
箱线图其实是展现一组数据的分布状况，它能读出数据的整体分布和倾斜趋势（偏态）。
如上图，红线位置，是各个城市中游水平的数据分析师能够获得的薪资标准，上边的蓝线区间为中上游，下边的蓝线区间为中下游，以此类推。简而言之，人群被四等分了。
我们解读一下：上海、北京、深圳的数据分析师，薪资范围接近，但是中上游水平的人，北京地区能获得更高的薪资，因为中位数的位置更高。西安、长沙、天津则不利于数据分析师的发展。杭州的水平接近北上深，但是薪资上限受到一定限制。
通过图表（直方图、散点图也算描述统计）快速解读数据，是数据分析师的基础能力之一。
本部分需要不断补充，参考 https://www.jianshu.com/p/26796aa9eaa0