对于数据科学的艺术，统计学可以说是一个强大的工具。从高层次的角度来看，统计是利用数学对数据进行技术分析。一个基本的可视化，如条形图，可以给你提供一些高级的信息，但是通过统计学，我们可以以一种更加以信息驱动和更有针对性的方式来操作数据。所用到的数学方法能帮助我们对数据形成具体的结论，而不是去靠猜测。
通过使用统计学，我们可以更深入、更细致地了解我们的数据到底是如何构造的，并基于这种结构，我们如何最佳地应用其他数据科学技术来获取更多的信息。现在，我们来看看数据科学家们需要知道的5个基本统计概念，以及如何才能最有效地应用它们!
统计特征统计特征可能是数据科学中最常用的统计概念。它通常是你在探索数据集时应用的第一种统计技术，包括偏差（bias），方差，均值，中位数，百分位数等等。在代码中理解和实现都非常容易！
箱形图（也称为盒须图）
中值的线是数据的中位数（median ）。由于中位数对离群值的鲁棒性更强，因此中位数要比均值更常用。第一个四分位数（first quartile）基本上是第25个百分位，即数据中25％的点低于该值。第三个四分位数（third quartile）是第75百分位，即数据中75％的点低于该值。最小值和最大值表示数据范围的上端和下端。
箱形图完美地说明了我们可以用基本统计特征做什么：
- 当箱形图很短时，它意味着大部分数据点都相似，因为大多数值在在很小的范围内
- 当箱形图很高时，它意味着大部分数据点都非常不同，因为这些值分布在很广的范围内
- 如果中值接近底部，那么我们知道大多数数据具有较低的值。如果中值接近顶部，那么我们知道大多数数据具有更高的值。基本上，如果中值的线不在框的中间，则表明数据偏斜。
- 是否有长尾？这意味着数据具有较高的标准偏差和方差，即数值分散且变化很大。如果盒子的一侧有须，而另一侧没有，那么你的数据可能只在一个方向上变化很大。
所有这些信息来自一些易于计算的简单统计特征！只要你需要快速而翔实的数据视图，请尝试这些。
概率分布我们可以将概率定义为某个事件发生的几率。在数据科学中，通常被量化在0到1之间，0表示我们确信这不会发生，1表示我们确信它会发生。另外，概率分布是表示实验中所有可能值概率的函数。如下图：
