第一趴：大白话理解（保你听一遍就记住）

1. 均值（平均数）—— “大家长啥样”

  • 大白话：就是“全班平均分”。把所有人的数加起来，除以人数。
  • 作用：告诉你这群人大概在什么水平（比如平均身高170cm）。

2. 方差（Variance）—— “大家吵不吵架”

  • 大白话：看每个人跟平均分差距的平方，再平均一下。
  • 为啥要平方？ 因为有人比平均分高（正数），有人比平均分低（负数），直接加会正负抵消（比如 +10 和 -10 加起来是0，好像大家都很乖，其实两极分化严重）。平方一下，全都变成正数，就暴露真实差距了！
  • 作用：数值越大，说明这群人脾气越暴躁，彼此差距越大。

3. 标准差（Standard Deviation）—— 把“平方”变回原样

  • 大白话：方差算出来是“平方厘米”、“平方块钱”，听着很别扭。给它开个平方根，单位就变回原来的（厘米、块钱）了。
  • 作用：告诉你平均每个人离平均值到底有多远。
    • 比如平均身高170cm，标准差是10cm，意思就是“大部分人集中在160~180cm之间”。

4. 协方差（Covariance）—— “两个人是不是一条心”

  • 大白话：看两个东西是不是同涨同跌。
    • 正数：比如身高和体重，身高涨了，体重大概率也涨（同进退）。
    • 负数：比如车速和到达时间，车速越快，时间越短（你涨我跌）。
    • 接近0：比如身高和数学成绩，没啥关系（各玩各的）。

5. 相关系数（Correlation Coefficient）—— 把“协方差”标准化

  • 大白话：协方差有个缺点，它受单位影响（比如厘米和米的协方差差100倍）。为了公平比较，把协方差缩放到 -1 到 1 之间。
    • 1：完全正相关（一个人涨，另一个跟着涨，铁哥们）。
    • -1：完全负相关（一个人涨，另一个必跌，死对头）。
    • 0：没关系（路人甲和路人乙）。

第二趴：具体数学定义 + 代码怎么算

1. 均值（Mean）

  • 公式：( \mu = \frac{x_1 + x_2 + … + x_n}{n} )
  • Python（NumPy）：
    1
    2
    3
    import numpy as np
    data = [100, 200, 300, 400, 500]
    print(np.mean(data))  # 结果：300.0

2. 方差（Variance）

  • 重要区分（好多新手在这踩坑）：
    • 总体方差（ddof=0，默认）：除以 n（数据总数）。适用于你已经有全部数据。
    • 样本方差（ddof=1）：除以 n-1。适用于你只抽样了一部分，想用样本推断总体。因为除以 n-1 会让结果稍微大一点，更保险（统计学上的无偏估计）。
  • 公式（总体方差）：( \sigma^2 = \frac{1}{n} \sum_{i=1}^{n} (x_i - \mu)^2 )
  • Python（NumPy / Pandas）：
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    import numpy as np
    import pandas as pd

    data = [100, 200, 300, 400, 500]

    # 默认是总体方差（除以 n）
    print(np.var(data))          # 结果：20000.0
    print(pd.Series(data).var()) # 注意！Pandas默认是样本方差（除以 n-1），结果是 25000.0

    # 如果想在 NumPy 里算样本方差（除以 n-1），加 ddof=1
    print(np.var(data, ddof=1))  # 结果：25000.0

3. 标准差（Standard Deviation）

  • 大白话：就是把上面方差的平方根给开了。单位回到原始数据。
  • 公式：( \sigma = \sqrt{\text{方差}} )
  • Python（NumPy / Pandas）：
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    import numpy as np
    data = [100, 200, 300, 400, 500]

    # NumPy 总体标准差（除以 n）
    print(np.std(data))          # 结果：141.42

    # Pandas 默认样本标准差（除以 n-1）
    print(pd.Series(data).std()) # 结果：158.11

    # NumPy 样本标准差（除以 n-1）
    print(np.std(data, ddof=1))  # 结果：158.11

    灵魂记忆点：标准差比方差好用多了！因为如果数据是“工资”，方差单位是“平方块钱”听不懂，标准差就是实实在在的“块钱”。

4. 协方差（Covariance）

  • 公式（样本协方差）：( \text{Cov}(X,Y) = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})(y_i - \bar{y}) )
  • Python（NumPy）：
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    import numpy as np
    height = [170, 180, 160, 175]  # 身高
    weight = [65, 80, 55, 70]      # 体重

    # 注意：np.cov 默认返回一个协方差矩阵（因为可以算多个变量）
    # 矩阵的 [0][1] 位置就是身高的协方差
    cov_matrix = np.cov(height, weight)
    print(cov_matrix)  
    # 结果：
    # [[25.0, 37.5], 
    #  [37.5, 62.5]]
    # 这里的 37.5 就是身高和体重的协方差（正数，说明一起长）

5. 相关系数（Correlation Coefficient，也叫皮尔逊系数）

  • 公式：( r = \frac{\text{Cov}(X,Y)}{\sigma_X \cdot \sigma_Y} )（用两者的标准差把协方差归一化）
  • 范围：-1 到 1。
  • Python（NumPy）：
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    import numpy as np
    height = [170, 180, 160, 175]
    weight = [65, 80, 55, 70]

    # np.corrcoef 返回相关系数矩阵
    corr_matrix = np.corrcoef(height, weight)
    print(corr_matrix)
    # 结果：
    # [[1. , 0.9486],
    #  [0.9486, 1. ]]
    # 0.9486 非常接近 1，说明身高和体重强正相关（很铁的兄弟关系！）

第三趴：用“发工资”的例子把所有概念串一遍

假设你们公司 5 个人的工资是：[5000, 6000, 7000, 8000, 9000]

  1. 均值（平均数） = 7000 块。这就是公司的“平均水平”。
  2. 方差 = 算出来是 2,000,000（单位是“平方块”，很抽象，没人这么说话）。
  3. 标准差 = 开平方根 ≈ 1414 块。这把人们说清楚了：“咱们公司大部分人，工资都在 7000 ± 1414 块之间，也就是 5586 ~ 8414 块。”
  4. 现在再加一个数据：工龄 = [1, 2, 3, 4, 5] 年。
    • 协方差算出来是正数（比如 5000），说明“工龄越长，工资越高”，但 5000 这个数字受“块”这个单位影响。
    • 相关系数算出来可能是 0.99，说明工龄和工资几乎是一根绳上的蚂蚱，强相关！

最后给你一个生活化口诀（记在心里）

  • 均值：大家站的平均位置。
  • 方差：大家站得散不散（平方后的散度）。
  • 标准差：大家平均离均值到底多远（真实的距离）。
  • 协方差：两个人是不是一个涨另一个也涨。
  • 相关系数：两个人关系的铁不铁（-1到1打分）。

在 Pandas 里偷懒的大招：

  • df.describe() 直接给你看均值、标准差、四分位数。
  • df.cov() 直接出协方差矩阵。
  • df.corr() 直接出相关系数矩阵，一眼看出哪些列是“铁哥们”！