1、第第3章章 数据的整理与数据的整理与 图表展示图表展示3.1 数据的预处理数据的预处理3.2 品质数据的整理与展示品质数据的整理与展示13.1 数据的预处理数据的预处理1. 数据审核数据审核 发现数据中的错误发现数据中的错误2. 数据筛选数据筛选 找出符合条件的数据找出符合条件的数据3. 数据排序数据排序发现数据的基本特征发现数据的基本特征升序和降序升序和降序2 数据筛选数据筛选例例3.1 3.1 表表3-13-1是是8 8名学生名学生4 4门课程的考试成绩门课程的考试成绩数据（单位：分）。试找出数据（单位：分）。试找出（1 1）统计学成绩等于）统计学成绩等于8080分的学生分的学生（2 2）
2、数学成绩最高的前三名学生，英语成绩）数学成绩最高的前三名学生，英语成绩最低的三名学生最低的三名学生（3 3）统计学成绩在）统计学成绩在80-9080-90之间的学生之间的学生（4 4）四门课程成绩都大于）四门课程成绩都大于7070分的学生分的学生3数据排序数据排序1. 分类数据的排序分类数据的排序字母型数据，排序有升序降序之分，但习字母型数据，排序有升序降序之分，但习惯上用升序惯上用升序汉字型数据，可按汉字的首位拼音字母排汉字型数据，可按汉字的首位拼音字母排列，也可按笔画排序，其中也有笔画多少列，也可按笔画排序，其中也有笔画多少的升序降序之分的升序降序之分2. 数值型数据的排序数值型数据的排序
3、4 分类汇总分类汇总 根据不同的研究目的，按照某个类别进根据不同的研究目的，按照某个类别进行汇总分析。行汇总分析。 分类汇总之前要先按分类项排序。分类汇总之前要先按分类项排序。 简单分类汇总简单分类汇总 多级分类汇总多级分类汇总5数据透视表数据透视表 利用数据透视表可以按照研究目的不同，利用数据透视表可以按照研究目的不同，进行交叉汇总分析，使研究者可以从各种进行交叉汇总分析，使研究者可以从各种角度、维度去查看分析数据，从繁杂的数角度、维度去查看分析数据，从繁杂的数据中挖掘和整合数据。据中挖掘和整合数据。6 例例3.2 在某大学随机抽取在某大学随机抽取30名学生，调查名学生，调查他们的性别、家庭
4、所在地、平均月生活费他们的性别、家庭所在地、平均月生活费支出、平均每月购买衣物支出和购买衣物支出、平均每月购买衣物支出和购买衣物时所考虑的首选因素等，得到的数据如表时所考虑的首选因素等，得到的数据如表3-2，试建立一个数据透视表，在表的行变试建立一个数据透视表，在表的行变量中给出性别和买衣物的首选因素，在列量中给出性别和买衣物的首选因素，在列变量中给出学生的家庭所在地区，对平均变量中给出学生的家庭所在地区，对平均月生活费和月平均衣物支出进行交叉汇总月生活费和月平均衣物支出进行交叉汇总。73.2 品质数据的整理与展示品质数据的整理与展示 3.2.1 分类数据的整理与图示分类数据的整理与图示 1.
5、 列出各类别列出各类别 2. 计算各类别的频数计算各类别的频数 3. 制作频数分布表制作频数分布表 4. 用图形展示用图形展示8分类数据中需要计算的指标分类数据中需要计算的指标1.1.频频 数：落在各类别中的数据个数数：落在各类别中的数据个数 频数分布：把各个类别及落在其中的相应频频数分布：把各个类别及落在其中的相应频数全部列出，并用表格形式表现出来。数全部列出，并用表格形式表现出来。2.2.比比 例：某一类别数据占全部数据的比值例：某一类别数据占全部数据的比值3.3.百分比：将对比的基数作为百分比：将对比的基数作为100100而计算的比值而计算的比值4.4.比比 率：不同类别数值之间的比值率
6、：不同类别数值之间的比值9【例例3.3】一家市场调查公司为研究不同品牌一家市场调查公司为研究不同品牌饮料的市场占有率，对随机抽取的一家超市饮料的市场占有率，对随机抽取的一家超市进行调查。调查员随机观察了进行调查。调查员随机观察了50名顾客购名顾客购买饮料类型及购买者性别，并进行了记录，买饮料类型及购买者性别，并进行了记录，如果一个顾客购买某一品牌的饮料，就将这如果一个顾客购买某一品牌的饮料，就将这一饮料的品牌名字记录一次。数据见一饮料的品牌名字记录一次。数据见Excel表。要求：对饮料类型和顾客性别的分布状表。要求：对饮料类型和顾客性别的分布状况进行描述分析，求不同品牌饮料的频数分况进行描述分
7、析，求不同品牌饮料的频数分布、比例和百分比。布、比例和百分比。10方法一：数据透视表方法方法一：数据透视表方法 利用数据透视表功能，进行频数分析。 在数据透视表【布局】对话框中，依次将“饮料类型”拖到“行”区域以及“数据”区域，将“顾客性别”拖到“列”区域。11方法二：方法二：EXCEL中的函数功能中的函数功能插入插入 函数函数 COUNTIF数一数数一数 COUNT IF要计算某一类别的频数要计算某一类别的频数12分类数据的图示分类数据的图示条形图条形图 条形图是用宽度相同的条形的高度条形图是用宽度相同的条形的高度或长短来表示数据多少的图形或长短来表示数据多少的图形 各类别可以放在纵轴，称为
8、条形图，也各类别可以放在纵轴，称为条形图，也可以放在横轴，称为柱形图可以放在横轴，称为柱形图 对比条形图（复式条形图）：对比条形图（复式条形图）： 显示分类显示分类变量在不同时间或不同空间上的差异或变量在不同时间或不同空间上的差异或变化变化131415复式条形图复式条形图16对比条形图0100200300400500600联想IBM索尼戴尔销售量电脑品牌电脑销售是的对比条形图一季度二季度17分类数据的图示帕累托图1.按各类别数据出现的频数多少排序后绘制的柱形图 2.主要用于展示分类数据的分布18饼饼 图图1. 饼图：用圆形及圆内扇形的面积来表示饼图：用圆形及圆内扇形的面积来表示数值大小的图形。
9、数值大小的图形。2. 主要用于表示总体中各组成部分所占的主要用于表示总体中各组成部分所占的比例，对于研究结构性问题十分有用比例，对于研究结构性问题十分有用3. 在绘制圆形图时，总体中各部分所占的在绘制圆形图时，总体中各部分所占的百分比用圆内的各个扇形面积表示，这百分比用圆内的各个扇形面积表示，这些扇形的中心角度，是按各部分百分比些扇形的中心角度，是按各部分百分比占占3600的相应比例确定的的相应比例确定的1920环形图环形图1. 环形图中间有一个环形图中间有一个“空洞空洞”，总体中的，总体中的每一部分数据用环中的一段表示每一部分数据用环中的一段表示2. 环形图与饼图类似，但又有区别环形图与饼图
10、类似，但又有区别饼图只能显示一个总体各部分所占的比例饼图只能显示一个总体各部分所占的比例环形图则可以同时绘制多个总体的数据系环形图则可以同时绘制多个总体的数据系列，每一个总体的数据系列为一个环列，每一个总体的数据系列为一个环3. 环形图可用于进行比较研究环形图可用于进行比较研究 4. 环形图可用于展示分类数据和顺序数据环形图可用于展示分类数据和顺序数据218%36%31%15%7%33%26%21%13%10% 非常不满意 不满意 一般 满意 非常满意 图图3-4 3-4 甲乙两城市家庭对住房状况的评价甲乙两城市家庭对住房状况的评价3.2.2 顺序数据的整理与图示顺序数据的整理与图示1. 累积
11、频数：将各有序类别的频数逐级累累积频数：将各有序类别的频数逐级累加起来得到的频数。加起来得到的频数。 向上累积：从类别顺序的开始一方，向类别向上累积：从类别顺序的开始一方，向类别 顺序的最后一方累加频数；顺序的最后一方累加频数； 向下累积：从类别顺序的最后一方，向类别向下累积：从类别顺序的最后一方，向类别 顺序的开始一方累加频数。顺序的开始一方累加频数。2. 累积频率：将各类别的百分比逐级累加累积频率：将各类别的百分比逐级累加2324甲城市家庭对住房状况评价的频数分布甲城市家庭对住房状况评价的频数分布回答类别回答类别甲城市甲城市户数户数(户户)百分比百分比(%)向上累积向上累积 向下累积向下累
12、积 户数户数(户户)百分比百分比(%)户数户数(户户)百分比百分比(%) 非常不满意非常不满意 不满意不满意 一般一般 满意满意 非常满意非常满意24108934530836311510241322252703008.044.075.090.0100.03002761687530100.092562510合计合计300100.025乙城市家庭对住房状况评价的频数分布乙城市家庭对住房状况评价的频数分布回答类别回答类别乙城市乙城市户数户数(户户)百分比百分比(%)向上累积向上累积 向下累积向下累积 户数户数(户户)百分比百分比(%)户数户数(户户)百分比百分比(%) 非常不满意非常不满意 不满意不
13、满意 一般一般 满意满意 非常满意非常满意209812040226.732.74013.37.3合计合计300100.026乙城市家庭对住房状况评价的频数分布乙城市家庭对住房状况评价的频数分布回答类别回答类别乙城市乙城市户数户数(户户)百分比百分比(%)向上累积向上累积 向下累积向下累积 户数户数(户户)百分比百分比(%)户数户数(户户)百分比百分比(%) 非常不满意非常不满意 不满意不满意 一般一般 满意满意 非常满意非常满意209812040226.732.74013.37.3201182382783006.739.479.492.7100300280182622210093.360.62
14、0.67.3合计合计300100.027243001322252700100200300400 非常不满意 不满意 一般 满意 非常满意累积户数（户）(a)向上累积向上累积27616830300750100200300400 非常不满意 不满意 一般 满意 非常满意累积户数（户）(b)向下累积向下累积 3.3.1 数据的分组数据的分组 分组方法分组方法等距分组等距分组异距分组异距分组单变量值分组单变量值分组组距分组组距分组29排序排序将一个变量将一个变量值作为一组值作为一组3031107 108 108 110 112 112 113 114 115 117 117 117 118 118 1
15、18 119 120 120 121 122 122 122 122 123 123 123 123 124 124 124 125 125 126 126 127 127 127 128 128 129 130 131 133 133 134 134 135 137 139 13932零件数零件数(个个)频数频数(人人)零件数零件数(个个)频数频数(人人)零件数零件数(个个)频数频数(人人)107108110112113114115117118121211133119120121122123124125126127121443223128129130131133134135137139211
16、1221123334组距分组组距分组（几个概念）（几个概念）1. 下下 限：一个组的最小值限：一个组的最小值2. 上上 限：一个组的最大值限：一个组的最大值3. 组组 距：上限与下限之差距：上限与下限之差4. 组中值：下限与上限之间的中点值组中值：下限与上限之间的中点值35组距分组组距分组第第1步：排序，确定组数（步：排序，确定组数（K） 5K15 能够显示数据的分布特征和规律能够显示数据的分布特征和规律第第2步：确定组距步：确定组距 组距（最大值最小值）组距（最大值最小值）组数组数 组距宜取组距宜取5 5或或1010的倍数的倍数 lg1lg 2nK 36 第一组的下限应低于最小值，第一组的下
17、限应低于最小值， 最后一组的上限应高于最大值。最后一组的上限应高于最大值。上组限不在内上组限不在内37等距分组表等距分组表（上下组限间断）（上下组限间断）表表3-6 某车间某车间50名工人日加工零件数分组表名工人日加工零件数分组表按零件数分组按零件数分组频数（人）频数（人）频率（频率（%）105109110114115119120124125129130134135139358141064610162820128合计合计5010038等距分组表等距分组表（上下组限重叠）（上下组限重叠）表表3-5 某车间某车间50名工人日加工零件数分组表名工人日加工零件数分组表按零件数分组按零件数分组频数（人）
18、频数（人）频率（频率（%）105110110115115120120125125130130135135140358141064610162820128合计合计5010039等距分组表等距分组表（使用开口组）（使用开口组）表表3-7 某车间某车间50名工人日加工零件数分组表名工人日加工零件数分组表按零件数分组按零件数分组频数（人）频数（人）频率（频率（%）110以下以下110115115120120125125130130135135以上以上358141064610162820128合计合计5010040用用Excel制作数值型数据的频数分布表制作数值型数据的频数分布表【工具工具】 【数据分析
19、数据分析】 【直方图直方图】 【输入区域输入区域】：输入原始数据区域：输入原始数据区域 【接收区域接收区域】：输入各组的上限值：输入各组的上限值 【输出区域输出区域】：选择一个空白单元格：选择一个空白单元格（想要（想要把输出的结果放在那里）把输出的结果放在那里） 【柏拉图柏拉图】、【累积百分率累积百分率】（不需要时，可（不需要时，可不选）不选） 选择选择【图表输出图表输出】41 利用利用FREQUENCYFREQUENCY函数，制作频数分布表函数，制作频数分布表 FREQUENCYFREQUENCY（Data_array,Bins_array)Data_array,Bins_array) Da
20、ta_array Data_array为计算频数的数据区域或数组为计算频数的数据区域或数组 Bins_arrayBins_array为数据接收区间的数组，即指定为数据接收区间的数组，即指定的各分组的组上限值。的各分组的组上限值。注意：注意：1.FREQUENCY1.FREQUENCY函数返回的是一个数组；函数返回的是一个数组；2.2.在输入函数前，应选定返回数组的区域；在输入函数前，应选定返回数组的区域；3.3.函数录入以后，应按住函数录入以后，应按住Ctrl+Shift+Ctrl+Shift+回车（确定）回车（确定）42分组数据分组数据直方图直方图1. 用矩形的宽度和高度来表示频数分布的用矩
21、形的宽度和高度来表示频数分布的图形，实际上是用矩形的图形，实际上是用矩形的面积面积来表示各来表示各组的频数分布组的频数分布2. 在直角坐标中，用横轴表示数据分组，在直角坐标中，用横轴表示数据分组，纵轴表示频数或频率，各组与相应的频纵轴表示频数或频率，各组与相应的频数 就 形 成 了 一 个 矩 形 ， 即 直 方 图数 就 形 成 了 一 个 矩 形 ， 即 直 方 图(Histogram)43直方图与条形图的区别直方图与条形图的区别1.1. 条形图是用条形的长度条形图是用条形的长度( (横置时横置时) )表示各类表示各类别频数的多少，其宽度别频数的多少，其宽度( (表示类别表示类别) )则是
22、固则是固定的；直方图是用面积表示各组频数的多定的；直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或百分少，矩形的高度表示每一组的频数或百分比，宽度则表示各组的组距，其高度与宽比，宽度则表示各组的组距，其高度与宽度均有意义。度均有意义。2.2. 直方图的各矩形通常是连续排列，条形图直方图的各矩形通常是连续排列，条形图则是分开排列。则是分开排列。3.3. 条形图主要用于展示分类数据，而直方图条形图主要用于展示分类数据，而直方图则主要用于展示数值型数据。则主要用于展示数值型数据。44分组数据分组数据折线图折线图1.折线图也称频数多边形图折线图也称频数多边形图(Frequency pol
23、ygon)2.是在直方图的基础上，把直方图顶部的中点是在直方图的基础上，把直方图顶部的中点(组组中值中值)用直线连接起来，再把原来的直方图抹掉用直线连接起来，再把原来的直方图抹掉3.折线图的两个终点要与横轴相交，具体的做法折线图的两个终点要与横轴相交，具体的做法是是第一个矩形的顶部中点通过竖边中点（即该组频数一第一个矩形的顶部中点通过竖边中点（即该组频数一半的位置）连接到横轴，最后一个矩形顶部中点与其半的位置）连接到横轴，最后一个矩形顶部中点与其竖边中点连接到横轴竖边中点连接到横轴折线图下所围成的面积与直方图的面积相等，二者所折线图下所围成的面积与直方图的面积相等，二者所表示的频数分布是一致的
24、表示的频数分布是一致的45折线图下的面积折线图下的面积与直方图的面积与直方图的面积相等！相等！46未分组数据未分组数据 茎叶图茎叶图1. 用于显示未分组的原始数据的分布用于显示未分组的原始数据的分布2. 由由“茎茎”和和“叶叶”两部分构成，其图形是两部分构成，其图形是由数字组成的由数字组成的3. 以该组数据的高位数值作树茎，低位数字以该组数据的高位数值作树茎，低位数字作树叶作树叶4. 茎叶图类似于横置的直方图，但又有区别茎叶图类似于横置的直方图，但又有区别直方图可大体上看出一组数据的分布状况，但直方图可大体上看出一组数据的分布状况，但没有给出具体的数值没有给出具体的数值茎叶图既能给出数据的分布
25、状况，又能给出每茎叶图既能给出数据的分布状况，又能给出每一个原始数值，保留了原始数据的信息一个原始数值，保留了原始数据的信息47107 108 108 110 112 112 113 114 115 117 117 117 118 118 118 119 120 120 121 122 122 122 122 123 123 123 123 124 124 124 125 125 126 126 127 127 127 128 128 129 130 131 133 133 134 134 135 137 139 1394849零件数零件数 Stem-and-Leaf Plot Frequen
26、cy Stem & Leaf 3.00 10 . 788 5.00 11 . 02234 8.00 11 . 57778889 14.00 12 . 00122223333444 10.00 12 . 5566777889 6.00 13 . 013344 4.00 13 . 5799 Stem width: 10 Each leaf: 1 case(s)50未分组数据未分组数据箱线图箱线图1. 箱线图由一组数据的箱线图由一组数据的5个特征值绘制而成，个特征值绘制而成，它由一个箱子和两条线段组成它由一个箱子和两条线段组成2. 其绘制方法是：其绘制方法是：首先找出一组数据的首先找出一组数据的5个
27、特征值，即最大值、个特征值，即最大值、最小值、中位数最小值、中位数Me 和两个四分位数和两个四分位数(下四分下四分位数位数QL和上四分位数和上四分位数QU）连接两个四分位数画出箱子，再将两个极值连接两个四分位数画出箱子，再将两个极值点与箱子相连接点与箱子相连接 5152分布的形状与箱线图分布的形状与箱线图53未分组数据多批数据箱线图【例例】 从某大从某大学经济管理专学经济管理专业二年级学生业二年级学生中随机抽取中随机抽取11人，对人，对8门主门主要课程的考试要课程的考试成绩进行调查，成绩进行调查，所得结果如表。所得结果如表。试绘制各科考试绘制各科考试成绩的比较试成绩的比较箱线图，并分箱线图，并
28、分析各科考试成析各科考试成绩的分布特征绩的分布特征课程名称课程名称学生编号学生编号1234567891011英语英语经济数学经济数学西方经济学西方经济学市场营销学市场营销学财务管理财务管理基础会计学基础会计学统计学统计学计算机应用基础计算机应用基础76659374687055859095818775739178975176857092688171748869846573957078669073788470936379806087816786918377769070828382928481706972787578918866948085718674687962818155787075687177
29、548门课程考试成绩的门课程考试成绩的Median/Quart./Range箱线图箱线图55时间序列数据时间序列数据线图线图线图主要用于反映现象随时间变化的特征线图主要用于反映现象随时间变化的特征绘制线图时应注意以下几点绘制线图时应注意以下几点1.时间一般绘在横轴，指标数据绘在纵轴时间一般绘在横轴，指标数据绘在纵轴2.图形的长宽比例要适当，其长宽比例大致为图形的长宽比例要适当，其长宽比例大致为10：73.一般情况下，纵轴数据下端应从一般情况下，纵轴数据下端应从“0”开始，以便开始，以便于比较。数据与于比较。数据与“0”之间的间距过大时，可以采之间的间距过大时，可以采取折断的符号将纵轴折断取折断
30、的符号将纵轴折断56 年份年份农村城镇消费水平农村城镇消费水平城镇居民消费水平城镇居民消费水平2006200630663066107391073920072007353835381248012480200820084065406514061140612009200944024402151271512720102010494149411710417104201120116187618719912199122012201269646964218612186120132013777377732360923609201420148711871125424254242015201596799679272
31、1027210表表3-17 2006-2015年我国城乡居民人均消费水平年我国城乡居民人均消费水平57图图3-23 我国城乡居民人均消费水平我国城乡居民人均消费水平58多变量数据的图示多变量数据的图示1. 散点图：用二维坐标展示两个变量之间关系的图散点图：用二维坐标展示两个变量之间关系的图形。每组数据（形。每组数据（xi，yi）在坐标系中用一个点表示。）在坐标系中用一个点表示。2. 气泡图：可用于展示三个变量之间的关系，一个气泡图：可用于展示三个变量之间的关系，一个变量放在变量放在x轴，另一个变量放在轴，另一个变量放在y轴，第三个变量轴，第三个变量用气泡的大小表示。用气泡的大小表示。3. 雷达
32、图：可显示多个变量之间的关系，也称为蜘雷达图：可显示多个变量之间的关系，也称为蜘蛛图。蛛图。596061雷达图的制作雷达图的制作 设有设有n组样本组样本S1，S2，Sn，每个样本测得，每个样本测得P个变个变量量X1，X2，Xp，要绘制这，要绘制这P个变量的雷达图，其个变量的雷达图，其具体做法是具体做法是 620500100015002000 食品食品 衣着衣着 家庭设备用家庭设备用 品及服务品及服务 医疗保健医疗保健 交通通讯交通通讯 娱乐教育娱乐教育 文化服务文化服务 居住居住 杂项商品杂项商品 与服务与服务城镇居民农村居民 图图3-15 1997年城镇居民家庭消费支出年城镇居民家庭消费支出
33、 （元）（元）6364统计表的结构统计表的结构项目项目单位单位2002年年 2003年年 调查户数调查户数 平均每户家庭人口平均每户家庭人口 平均每户就业人口平均每户就业人口 平均每户就业面平均每户就业面 平均一名就业者负担人数平均一名就业者负担人数 平均每人全部年收入平均每人全部年收入 可支配收入可支配收入 平均每人消费性支出平均每人消费性支出户户人人人人%人人元元元元元元453173.041.5851.971.928177.407702.806029.88480283.011.5852.491.919061.228472.206510.94资料来源：中国统计年鉴2004，中国统计出版社，2004，第359页。注：本表为城市和县城的城镇居民家庭抽样调查资料。 65
