Bỏ qua đến nội dung chính
Mục lục

Bảng tra công thức thống kê mô tả: NumPy, pandas, statistics

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 10/12 · Chương 3

Thống kê mô tả: độ phân tán và vị trí

  • 8 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Mỗi công thức thống kê mô tả quen thuộc có sẵn một hàm thống kê Python: np.mean() cho trung bình, np.median() cho trung vị, np.std(x, ddof=1) cho độ lệch chuẩn mẫu, np.percentile() cho phân vị, Series.skew() cho độ lệch. DataFrame.agg(), phương thức tính nhiều số đo cho mọi cột cùng lúc, gom chúng thành một bảng tóm tắt do bạn chọn hàng.

Cần biết trước: phương sai.

Bảng tra nhanh: số đo mô tả

Mẫu chung của mọi hàng là số giờ tự học trong tuần của tám bạn, x = [4, 8, 6, 5, 3, 8, 9, 5], với a = np.array(x) và s = pd.Series(x). Cột "Bài" dẫn tới bài dạy kỹ số đo đó.

Số đo

Công thức

NumPy, statistics

pandas

Kết quả

Bài

Trung bình x̄

Σx / n

np.mean(a)

s.mean()

6.0

trung bình

Trung vị

giá trị giữa sau khi sắp

np.median(a)

s.median()

5.5

trung vị

Mốt

giá trị gặp nhiều nhất

statistics.multimode(x)

s.mode()

[8, 5] (multimode); s.mode() cho 5, 8

mốt

Phương sai mẫu s²

Σ(x − x̄)² / (n − 1)

np.var(a, ddof=1)

s.var(ddof=1)

4.5714

phương sai mẫu

Độ lệch chuẩn mẫu s

√s²

np.std(a, ddof=1)

s.std(ddof=1)

2.1381

như hàng trên

Tứ phân vị Q1, Q3

phân vị 25 và 75

np.percentile(a, [25, 75])

s.quantile([0.25, 0.75])

[4.75 8.]

tứ phân vị

Khoảng tứ phân vị

Q3 − Q1

hiệu hai số trên

hiệu hai số trên

3.25

như hàng trên

Hệ số biến thiên

s / x̄

np.std(a, ddof=1) / np.mean(a)

s.std(ddof=1) / s.mean()

0.3563

hệ số biến thiên

z-score của 9

(x − x̄) / s

(9 - a.mean()) / np.std(a, ddof=1)

như cột NumPy

1.4031

z-score

Độ lệch, độ nhọn

có hiệu chỉnh mẫu nhỏ

không có hàm NumPy

s.skew(), s.kurt()

0.1169 -1.4219

skewness và kurtosis

Chạy khối dưới để in đúng cột kết quả:

python
import statistics
import numpy as np
import pandas as pd

x = [4, 8, 6, 5, 3, 8, 9, 5]
a, s = np.array(x), pd.Series(x)
print(np.mean(a), np.median(a), statistics.multimode(x))
print(round(np.var(a, ddof=1), 4), round(np.std(a, ddof=1), 4))
q = np.percentile(a, [25, 75])
print(q, q[1] - q[0])
print(round(np.std(a, ddof=1) / np.mean(a), 4))
print(round((9 - a.mean()) / np.std(a, ddof=1), 4))
print(round(s.skew(), 4), round(s.kurt(), 4))

KẾT QUẢ

6.0 5.5 [8, 5]
4.5714 2.1381
[4.75 8.  ] 3.25
0.3563
1.4031
0.1169 -1.4219

Đổi [4, 8, 6, 5, 3, 8, 9, 5] thành [4, 8, 6, 5, 3, 8, 9, 45] rồi chạy lại: dòng đầu in 11.0 7.0 [8]. Một giá trị lớn đẩy trung bình từ 6 lên 11, còn trung vị chỉ nhích từ 5,5 lên 7. Bài mẹ của trang này, bài phương sai, dạy cách đọc độ phân tán. Hai lưu ý khi tra bảng. statistics.multimode() trả mọi mốt theo thứ tự gặp đầu tiên, còn s.mode() xếp tăng dần. Tứ phân vị SGK lấy trung vị của từng nửa, nên với tám số này cho Q1 = 4,5 thay cho 4,75 của np.percentile() mặc định.

Tự dựng bảng tóm tắt bằng agg()

DataFrame.agg() nhận một list hàm và trả một DataFrame: mỗi hàng là một hàm, mỗi cột là một cột của dữ liệu. Tên chuỗi như "mean", "median" gọi phương thức cùng tên của pandas; số đo không có sẵn, như s ghi rõ ddof=1 hay CV, bạn tự viết bằng một hàm nhỏ. Tên hàm thành tên hàng:

python
import pandas as pd

diem = pd.DataFrame({"toan": [7, 8.5, 6, 9, 5.5, 7.5],
                     "van": [6.5, 7, 7.5, 6, 7, 8]})
def s(cot):
    return cot.std(ddof=1)
def cv(cot):
    return cot.std(ddof=1) / cot.mean()
bang = diem.agg(["mean", "median", s, cv])
print(bang.round(3))

KẾT QUẢ

        toan   van
mean    7.25  7.00
median  7.25  7.00
s       1.37  0.71
cv      0.19  0.10

Hai môn có cùng trung bình và trung vị, nhưng Toán tản rộng gần gấp đôi Văn: CV 19% so với 10%. Muốn đổi tên hàng sang tiếng Việt, gán bang.index = ["trung_binh", "trung_vi", "s", "cv"]. Bài agg() của pandas dạy thêm cách đặt số đo khác nhau cho từng cột.

agg() hay describe()

df.describe() in sẵn tám số cho mỗi cột số: count, mean, std, min, 25%, 50%, 75%, max. Cột std của nó là độ lệch chuẩn mẫu:

s=∑i=1n(xi−xˉ)2n−1s = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n - 1}}

Trong đó:

  • xᵢ: giá trị thứ i; x̄ (cot.mean()): trung bình của cột.

  • n (cot.count()): số giá trị không thiếu của cột.

  • s (cot.std(ddof=1)): độ lệch chuẩn mẫu, đúng cột std của describe().

python
import pandas as pd

diem = pd.DataFrame({"toan": [7, 8.5, 6, 9, 5.5, 7.5],
                     "van": [6.5, 7, 7.5, 6, 7, 8]})
print(diem.describe().round(2))

KẾT QUẢ

       toan   van
count  6.00  6.00
mean   7.25  7.00
std    1.37  0.71
min    5.50  6.00
25%    6.25  6.62
50%    7.25  7.00
75%    8.25  7.38
max    9.00  8.00

Dùng describe() khi mới mở một bảng và muốn nhìn nhanh mọi cột, như bài info() và describe(). Dùng agg() khi báo cáo cần đúng những số bạn chọn: CV, mốt, skewness, hay một phân vị khác 25, 50, 75 mà describe() không có. Giới hạn của describe(): nó luôn chia n − 1 và luôn dùng phân vị nội suy tuyến tính, không đổi được cách tính.

scipy.stats.describe() là bản của SciPy: trả số lượng, min và max, trung bình, phương sai (chia n − 1), skewness và kurtosis (chưa hiệu chỉnh mẫu nhỏ). Trang này dùng pandas vì kết quả là một bảng đọc được ngay.

Kiểm tra nhanh

  1. Trên mẫu chung x = [4, 8, 6, 5, 3, 8, 9, 5] của bảng, lệnh nào cho đúng hệ số biến thiên 0,3563?

    • np.std(x, ddof=1) / np.mean(x)
    • np.std(x) / np.mean(x)
    • np.var(x, ddof=1) / np.mean(x)
  2. Với cùng bảng hai môn, diem.agg(np.std) cho 1,25 còn diem.agg("std") cho 1,369 ở cột Toán. Vì sao?

    • Vì agg() làm tròn khác nhau
    • Vì np.std mặc định chia n, còn "std" gọi Series.std() mặc định chia n − 1
    • Vì np.std bỏ qua giá trị lớn nhất
    • Vì chuỗi "std" tính phương sai, không lấy căn
  3. Báo cáo cần trung bình, trung vị, CV và skewness của mỗi cột. Cách nào hợp nhất?

    • df.describe(), vì nó có đủ mọi số đo
    • df.agg() với list hàm, tự viết hàm cho CV
    • Gọi np.mean() trên cả DataFrame
    • df.value_counts()
Đúng hết lần đầu +15 XP

Bài tập

Dựng bảng tóm tắt bốn số đo

Bạn cần cùng một bảng tóm tắt cho mọi báo cáo. bang là DataFrame chỉ có cột số dương, mỗi cột ít nhất hai giá trị không bằng nhau hết. Viết thân hàm tom_tat(bang) trả DataFrame có bốn hàng theo đúng thứ tự trung_binh, trung_vi, s, cv (s chia n − 1, CV = s / trung bình) và các cột giữ đúng tên, đúng thứ tự của bang.

Hàm không sửa bang của nơi gọi.

Trả về: bảng tóm tắt, một DataFrame.

Ví dụ tom_tat(pd.DataFrame({"gio": [4, 8, 6, 5, 3, 8, 9, 5]})) cho một cột gio với bốn hàng xấp xỉ 6.0, 5.5, 2.1381, 0.3563.

python
import numpy as np
import pandas as pd


def tom_tat(bang):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • Mỗi số đo mô tả có một lệnh NumPy hay pandas; bảng tra ở đầu trang cho công thức, lệnh và bài dạy kỹ.

  • Ghi rõ ddof=1 cho s và s²: NumPy mặc định chia n, pandas mặc định chia n − 1.

  • df.agg([...]) dựng bảng tóm tắt: mỗi hàng một hàm, hàm tự viết thành tên hàng.

  • Đừng đưa np.std trần vào agg(): nó chia n, khác "std".

  • describe() để nhìn nhanh; agg() khi báo cáo cần đúng các số bạn chọn.

Câu hỏi thường gặp

scipy.stats.describe trả về gì?

Một bộ gồm số lượng, (min, max), trung bình, phương sai chia n − 1, skewness và kurtosis chưa hiệu chỉnh mẫu nhỏ. Skewness và kurtosis của nó vì thế khác Series.skew(), Series.kurt() của pandas ở mẫu nhỏ.

Hàm thống kê Python nào có sẵn mà không cần cài thêm?

Module statistics có sẵn trong Python: mean(), median(), multimode(), variance() (chia n − 1), stdev(), pvariance() và pstdev() (chia n), quantiles(). Nó chạy trên list, hợp với dữ liệu nhỏ; NumPy và pandas nhanh hơn với cột dài.

Vì sao describe() không có mốt?

Một cột có thể có nhiều mốt hay không có mốt rõ ràng, nên mốt không gói gọn trong một ô. Gọi df.mode() riêng, hay thêm hàm vào agg() khi cần.

Có cần học thuộc mọi công thức trong bảng?

Không cần. Nhớ ba thứ là đủ để tra: s chia n − 1, CV là s chia trung bình, z là khoảng cách tới trung bình chia s. Phần còn lại tra bảng này khi dùng.

Chủ đề

công thức thống kê mô tả

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập