频数分布表:数据分析的基础工具

一、频数分布表的概念

频数分布表(Frequency Distribution Table)是统计学中用于整理原始数据的工具,它将数据集划分为若干互斥的类别(组),并统计每个类别中数据出现的次数。主要包含以下核心概念:

  1. 频数(Frequency)

    某一类别中数据出现的次数,反映数据的分布密度。

  2. 组距(Class Width)

    每个数据区间的宽度,计算公式:
    组距=最大值−最小值组数 \text{组距} = \frac{\text{最大值} - \text{最小值}}{\text{组数}} 组距=组数最大值−最小值

  3. 组限(Class Limits)

    每个区间的边界值,分为下限(最小值)和上限(最大值)。

  4. 组中值(Class Midpoint)

    区间的中心值,计算公式:
    组中值=下限+上限2 \text{组中值} = \frac{\text{下限} + \text{上限}}{2} 组中值=2下限+上限

  5. 累积频数(Cumulative Frequency)

    从最小区间开始,逐组累加的频数总和。


二、频数分布表的构建流程
  1. 数据准备

    收集原始数据并排序。

  2. 确定组数

    根据数据量选择适当组数(常用 Sturges 公式):
    k=1+3.322log⁡10(n)(n 为数据量) k = 1 + 3.322 \log_{10}(n) \quad (\text{\(n\) 为数据量}) k=1+3.322log10(n)(n 为数据量)

  3. 计算组距
    组距=最大值−最小值组数 \text{组距} = \frac{\text{最大值} - \text{最小值}}{\text{组数}} 组距=组数最大值−最小值

    结果通常向上取整。

  4. 定义分组区间

    确保区间连续且互斥(如左闭右开)。

  5. 统计频数

    遍历数据,统计落入每个区间的数量。

  6. 计算累积频数

    从上到下或从下到上累加频数。

三、实例演示:用 Python 构建频数分布表

数据集

某班级30名学生的数学成绩:
[62, 75, 58, 89, 73, 92, 65, 68, 72, 85, 78, 81, 64, 70, 76, 88, 90, 63, 77, 69, 82, 95, 71, 84, 79, 60, 74, 67, 80, 86]

Python 构建步骤

python 复制代码
import numpy as np
import pandas as pd

# 1. 准备数据
data = np.array([62, 75, 58, 89, 73, 92, 65, 68, 72, 85, 
                 78, 81, 64, 70, 76, 88, 90, 63, 77, 69, 
                 82, 95, 71, 84, 79, 60, 74, 67, 80, 86])

# 2. 计算基本参数
min_val = np.min(data)  # 最小值 = 58
max_val = np.max(data)  # 最大值 = 95
n = len(data)           # 数据量 = 30

# 3. 确定组数(Sturges公式)
k = int(1 + 3.322 * np.log10(n))  # 组数 ≈ 6

# 4. 计算组距(向上取整)
class_width = int(np.ceil((max_val - min_val) / k))  # 组距 = (95-58)/6 ≈ 6.16 → 取7

# 5. 定义分组区间(左闭右开)
bins = [58 + i * class_width for i in range(k + 1)]  # [58, 65, 72, 79, 86, 93, 100]

# 6. 统计频数
freq, intervals = np.histogram(data, bins=bins)

# 7. 创建频数分布表
df = pd.DataFrame({
    "分组区间": [f"[{intervals[i]}, {intervals[i+1]})" for i in range(k)],
    "频数": freq,
    "频率(%)": np.round(freq / n * 100, 2),
    "累积频数": np.cumsum(freq)
})

print("频数分布表:")
print(df)

输出结果:

复制代码
   分组区间  频数  频率(%)  累积频数
0  [58, 65)   4  13.33        4
1  [65, 72)   7  23.33       11
2  [72, 79)   8  26.67       19
3  [79, 86)   6  20.00       25
4  [86, 93)   4  13.33       29
5  [93, 100)  1   3.33       30
四、结果分析
  1. 分布特征

    成绩主要集中在 72-79 分区间(频数=8),93分以上仅1人。

  2. 累积分布

    79分以下的学生累计占比 63.33%(累积频数19/30)。

  3. 应用场景

    • 快速识别数据集中趋势和异常值
    • 为直方图提供数据基础
    • 简化大规模数据集的分析

关键提示:组距的选择需平衡细节与概括性。组距过小导致琐碎,过大则掩盖特征。通常需多次调整优化。

通过频数分布表,原始数据被转化为结构化信息,为后续的统计推断和可视化分析奠定基础。

相关推荐
淦暴尼9 小时前
每日五个pyecharts可视化图表日历图和箱线图:从入门到精通
信息可视化·数据挖掘·数据分析
程序猿小D11 小时前
【完整源码+数据集+部署教程】硬币分类与识别系统源码和数据集:改进yolo11-SWC
人工智能·yolo·计算机视觉·数据挖掘·数据集·yolo11·硬币分类与识别系统
武汉格发Gofartlic13 小时前
HFSS许可证状态查询与管理
大数据·运维·人工智能·数据分析·自动化
大翻哥哥1 天前
Python地理空间数据分析:从地图绘制到智能城市应用
开发语言·python·数据分析
用户Taobaoapi20142 天前
淘宝店铺所有商品详情API技术文档
大数据·数据挖掘·数据分析
HPC_fac130520678162 天前
英伟达发布高效小模型Jet-Nemotron:基于PostNAS与JetBlock架构,准确率与吞吐量双突破
人工智能·笔记·深度学习·架构·数据挖掘·语音识别·gpu算力
专注API从业者2 天前
基于 Node.js 的淘宝 API 接口开发:快速构建异步数据采集服务
大数据·前端·数据库·数据挖掘·node.js
max5006003 天前
北京大学MuMo多模态肿瘤分类模型复现与迁移学习
人工智能·python·机器学习·分类·数据挖掘·迁移学习
WSSWWWSSW3 天前
Seaborn数据可视化实战:Seaborn数据可视化实战入门
python·信息可视化·数据挖掘·数据分析·matplotlib·seaborn
Highcharts.js3 天前
Highcharts Stock :打造专业级金融图表的利器
信息可视化·金融·数据分析