(統計) (敘述統計)中位數，全距，四分位數，中樞紐，中距值

中位數

（統計）衡量變數的四種量尺

史帝文斯(S.S. Stevens )的四種量尺

依照同質性、不等性、可加減及可乘除的特性將變項分為四種尺度，量尺間具有階層的關係，以下由階層低至高向各位介紹。

Level 1. 名義變項(nominal variable)

(1)只具有同質性，同一數值代表類別相同。

(2)數值的大小只能辨識種類的差異，沒有高低之分，例如：班級601、602只代表不同的兩班，並沒有602>601的大小關係。

(3)常見的名義變項：性別、學號、球衣號碼

Level2. 次序變項(ordinal variable)

(1)具有同質性及不等性(有大小、高低之分)

(2)依照個體的某一項特質或分數排序，因此不同的數值有次序之分，但無法描述數值間的差異量，例如：百分等級，PR99 > PR98(次序)，但實際上PR99高PR98多少分並不得而知。

(3)常見的次序變項：名次、中位數、百分等級(PR)

Level3. 等距變項(interval variable)

(1)具有同質性、不等性及可加減的特性。

(2)數值不只有大小之分，且彼此間有相等的單位，可以進行加法與減法的計算。例如：溫度有共同的單位(攝氏°C)，因此30°C比10°C高20°C(加法)。

*常見錯誤：等距變項無法進行乘除，例如：30°C是10°C的三倍、智商100是智商50的兩倍(怎麼證明甲比乙聰明兩倍呢?)，因此這種說法並不正確。

(3)常見的等距變項：溫度、智力商數

Level4. 比率變項(ratio variable)

(1)擁有名義、次序、等距變項的所有特性，還具有乘除性。

(2)比率(或稱比例)變項和等距變項很相似，但是多了「絕對零點」的物理特性，所謂零點就是自然的原點，代表0指的是完全不存在，例如：身高、體重為0代表不存在。(不可出現負數)

*人為定義的零點：溫度的0°C還是代表某個溫度、相關係數為0代表兩變項沒有共變量，但變項依舊存在，因此都不是比率變項。

(3)常見的比率變項：身高、重量。

( Python.pandas ) 物件函數，運算，排序，統計 ，函數，存取 csv , pickle 檔

一維Series 


 pd.Series()  #建立 Series 物件,可以利用串列或字典來建立

.ndim  .shape  .size #查詢 Series 物件的維度、形狀和元素個數

.dtype 或 .dtypes  #查詢 Series 物件s元素的型別

.values  #提取 Series 物件的值

.index  #提取 Series 物件的索引名稱

.where(list)  #若 list 裡的元素為 True,則提取該元素,否則回應 NaN

.isna()  #判別物件裡的元素是否為缺失值(Missing value)

.notna()  #判別物件裡的元素是否不是缺失值(Missing value)

.fillna(n) #將物件裡的缺失值填上n 

.dropna() #刪除物件裡的缺失值

二維 DataFrame 

pd.DataFrame()  #建立 DataFrame 物件,可以利用串列或字典來建立

.dtype  #查詢 DataFrame 物件的型別(注意 dtypes 要加s)

.index  #提取或設定 DataFrame 物件的列索引 

.columns  #提取或設定 DataFrame 物件的欄索引(或稱行索引)

.head(n)  #提取 DataFrame 物件的前n筆資料

.tail(n)  #提取 DataFrame 物件的後n 筆資料

 .T   #將 DataFrame 物件轉置,也就是欄與列互換

運算

d.reindex(alist)  #將物件 d 的列索引依 alist 重新排列

d.drop(n)     #刪除物件d索引為n的元素

d.insert(i, v, data)  #在欄索引 i以索引 添加資料 data(僅適用於 DataFrame)

d1.append(d2)   #將資料 d2 附加在 d1 之後

d.loc[row,col]    #依列索引row 和欄索引 col 來提取元素

d.iloc[irow,icol] #依列和欄之索引來提取元素(irow 和 icol 為整數) 

dl.add(d2)     #將 d1 物件與 d2 物件相加,同 d1 + d2

d1.sub(d2)    #將 d1 物件與 d2 物件相減,同 d1 - d2 

dl.mul(d2)    #將 d1 物件與 d2 物件相乘,同d1 × d2

dl.div(d2)     #將d1 物件與 d2 物件相除,同 d1 / d2

d.index.duplicated()     #判別物件d的列索引是否重複

 

( Python.pandas ) 使用 with open() as 讀寫檔案

with open('numbers.txt','w')  as f:  # w 寫入

    f.writelines(['30 60 34 43\n',        # 將串列[....] 寫入檔案內

                       '60 50 51 54\n,

                       '69 65 72 53\n'[)

寫入串列，無須利用 close() 關閉檔案。

( Python.pandas ) loc 和 iloc

.loc[row,col]   :row,col  為索引名稱

.iloc[row,col] : row,col  為整數

python 資料型態，且資料型態的容器

資料型態有數值(整數，浮點數，複數，布林)和字串(' ' or " ") 

資料型態的容器有:

1.串列 list []，有序 ex: [5,8,4]

2.序對 tuple()，有序，建立後不可更改 ex:(5,3,'Jerry') 

3.集合 set {} ，無序，ex:{3,4,6}

4.字典 dict ，無序，鍵值對，ex:{'Tom':12,'Jerry':7}

(python)DataFrame 分別寫入 Excel 的工作表

import pandas as pd

with pd.ExcelWriter('test2.xlsx') as writer:  

    x.to_excel(writer, sheet_name='工作表1') # 注意要縮排

    y.to_excel(writer,sheet_name='工作表2')