数据分析-分布类别

第1页 共7页 集团人力资源数据统计标准

目录

1. 目的 2

2. 人力资源基础数据分类及统计标准 2

1.1. 岗位层级 .................................................................................................................... 2

1.2. 岗位类别 .................................................................................................................... 2

1.3. 员工年龄结构 ............................................................................................................ 2

1.4. 员工学历结构 ............................................................................................................ 3

1.5. 员工司龄结构 ............................................................................................................ 3

1.6. 技术职称结构 ............................................................................................................ 3

1.7. 籍贯结构 .................................................................................................................... 4

数据分布的描述方法

数据分布是统计学中的重要概念，用于描述数据的变化规律和趋势。通过对数据的描述，我们可以更好地理解数据的特征，为进一步的分析和决策提供依据。在本文中，我们将介绍几种常用的数据分布描述方法。

一、集中趋势的描述方法

集中趋势是用来描述数据集中在哪个位置的指标，常用的集中趋势描述方法有均值、中位数和众数。

1. 均值（Mean）：均值是指数据的平均值，可以通过将所有数据求和再除以数据的个数得到。均值对极端值敏感，当数据中存在异常值时，均值可能会受到影响。

2. 中位数（Median）：中位数是将数据按照大小排序后，位于中间位置的数值。中位数不受极端值的影响，更能反映数据的一般趋势。

3. 众数（Mode）：众数是指数据中出现次数最多的数值。众数常用于描述非数值型数据的分布，如类别变量。

二、离散程度的描述方法

离散程度描述了数据的扩散程度或分散程度，常用的离散程度描述方法有极差、方差和标准差。

1. 极差（Range）：极差是指数据的最大值与最小值之间的差异。极差简单直观，但只考虑了两个极端值，忽略了其他数据的分布情况。 2. 方差（Variance）：方差是各数据与均值之差的平方的平均值。方差可以度量数据的波动程度，数值越大表示数据越分散。

3. 标准差（Standard Deviation）：标准差是方差的平方根，用于度量数据的波动程度。与方差相比，标准差更容易理解和解释。

三、偏态的描述方法

偏态用来描述数据分布的不对称性，常用的偏态描述方法有偏度和峰度。

1. 偏度（Skewness）：偏度描述数据分布的对称性，偏度为正表示数据右偏（正偏），为负表示数据左偏（负偏）。偏度为0表示数据分布相对对称。

2. 峰度（Kurtosis）：峰度描述数据分布的尖峰程度和尾部的厚度。峰度大于0表示数据分布较陡峭，峰度小于0表示数据分布较平坦。

四、分布形态的描述方法

除了上述常用的描述方法外，我们还可以通过绘制直方图、密度曲线和箱线图等来直观地描述数据的分布形态。

2019，55（8）

一种针对类别数据分析的平行坐标改进方法

陈红倩1，2，程中娟1，2，杨倩玉1，2，李慧3

1.北京工商大学计算机与信息工程学院，北京100048

2.北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室，北京100048

3.北京联合大学管理学院，北京100101

摘要：针对类别数据在传统平行坐标系中的映射重叠问题，提出类别统计和数据累积式偏移映射的平行坐标改进

方法。该方法首先统计多维数据中的各类别数据的频次，使用直方图表示其记录数，将直方图与平行坐标相结合提

出改进平行坐标。然后提出一种类别数据的数据累积式偏移算法，将映射在一点的数据均匀分布在坐标轴上的一

定区域中，区域的范围根据数据记录数确定。最后设计实现可视化分析系统，通过改进平行坐标实现对数据集的筛

选、条件交叉分析、类别间数据分析和维度间数据分析；通过联动视图和弦图两种方式实现每两个维度间的对比分

析；通过字云显示每一维度的频次分布。案例数据集实验结果表明，该方法能在平行坐标中实现各维度中类别间的

对比、各维度中记录数排序，以及对筛选数据集的分析，展示类别型数据维度间的关联关系。

关键词：平行坐标；数据覆盖；数据筛选；可视化

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.1801-0191

陈红倩，程中娟，杨倩玉，等.一种针对类别数据分析的平行坐标改进方法.计算机工程与应用，2019，55（8）：175-181.

CHENHongqian,CHENGZhongjuan,YANGQianyu,etal.Parallelcoordinateimprovementmethodforcategorydata

puterEngineeringandApplications,2019,55（8）：175-181.

ParallelCoordinateImprovementMethodforCategoryDataAnalysis

基于数据挖掘判别用电类别异常的分析与研究

摘要：近些年，在社会快速发展下，我国的科学技术水平不断进步。目前，电力公司存在较多异常用电情况，影响了电力的正常运营。本文以电力公司业务中心大数据平台为基础，提出利用大数据挖掘Spark组件对营销系统、用电信息采集系统的数据进行在线监测分析，开展公变台区异常用电行为中的台区电压异常、重载过载台区异常进行分析研究，通过数据选取、数据清洗、设定阈值规则实现异常数据筛选，运用Spark组件、并列数据库、云计算等技术实现对台区电压异常、重载过载台区异常信息提供精准定位及数据结果的可视化。

关键词：异常用电;大数据挖据;数据可视化;台区电压;重载过载

引言

随着智能电网的发展，用电数据的采集变得快速、便捷，而且随着数据分析方法的不断完善和相关技术的成熟，用电数据分析具备了广泛的应用前景。用电数据随时间和地区用电量的变化而变化，属于时间序列数据。许多专家学者在时间序列数据异常检测方面做了重要贡献，但目前已有很多算法的重点是时间序列数据中值的异常，很少针对时间序列的趋势异常进行分析。如何衡量电力数据的变化趋势是时间序列趋势分析的关键。常用的方法有分线段表示法、序列离散化等。其中序列离散化的处理较为简单，但存在严重的信息损失。分线段表示法能大体上反映序列的趋势变化，但是无法对不同变化时间维度下趋势进行对比。

1大数据挖掘算法

大数据挖掘是当今社会研究的热点问题，所谓数据挖掘，是指从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。通常分为有监督学习算法和无监督学习算法。其中，无监督学习算法是对没有分类标记的训练样本识别其结构性知识，比如聚类分析。而有监督学习算法，是事先对具有标记（分类）信息的训练样本进行学习，再对样本外的数据进行分类预测，也称分类算法。常见的分类算法有决策树、神经网络、支撑向量机和贝叶斯等，不同的分类算法，由于原理的不同，存在各自的优缺点和适合的应用场景，各个算法的优缺点如表1所示