知识卡片
直方图、密度图与对数刻度
直方图用分箱计数展示分布形状,密度图是它的连续版本,两者对同一批数据给出互补视角。家庭收入这类右偏数据,直方图左边挤满低收入家庭、右边拖着长尾;把收入取 log10 再画密度图,分布会展开成接近对称的形状,中段结构才看得出来。 钻石价格的例子最能说明问题:原始价格从约 300 美元到近 20000 美元,密度图上优秀切工与理想切工的差异糊成一片;换成 log10 价格后,优秀切工出现两个峰(约 794 美元与 5012 美元),理想切工出现三个峰(2.9、3.3、3.7),各自对应不同价格带,这些在原始刻度上根本看不见。 所以有一条实用规则:数据右偏且全为正时,先看对数刻度。对数把乘性差异变成加性差异,把长尾压回来。代价是可解释性下降,向非技术读者展示时要换回自然单位。另外要检查单峰还是多峰,多峰往往意味着混合了不同人群,直接套正态假设会出错。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 使用R进行基本数据分析 · 查看原书依据
在数据分析生命周期的数据准备阶段,可以获知数据的范围和分布。如果数据有倾斜,查看数据的对数(如果它们全部是正值)可以帮助发现在常规的非对数图中可能会被忽视的数据特征。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第3章 使用R进行基本数据分析(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0013_split_002.html)
- 结论依据:3.2.3 节用家庭收入与钻石价格两组图说明对数刻度能揭示非对数图中被忽视的特征,并指出要检查单峰多峰与正态假设。
- 原始内容:在数据分析生命周期的数据准备阶段,可以获知数据的范围和分布。如果数据有倾斜,查看数据的对数(如果它们全部是正值)可以帮助发现在常规的非对数图中可能会被忽视的数据特征。