2.13 描述性统计（平均数，中位数，中数，数据的离散度（极差，平均绝对偏差，方差标准差））

统计分析包括描述统计和推断统计两个部分。

对已有的数据整理，计算数据指标，平均数，中位数，中数，数据的离散度（极差，平均绝对偏差，方差标准差）是最常用的技术手段，也是最容易的。

# hanbb
# come on!!!
import tushare as ts
import matplotlib.pyplot as plt

# 股票数据获取
data_zglt = ts.get_hist_data('600050',start='2015-06-23',end='2017-11-16')
data_pfyh = ts.get_hist_data('600000',start='2015-06-23',end='2017-11-16')

# 收益率计算
data_zglt['returns'] = (data_zglt['close']-data_zglt['close'].shift(1))/data_zglt['close'].shift(1)
data_pfyh['returns'] = (data_pfyh['close']-data_pfyh['close'].shift(1))/data_pfyh['close'].shift(1)

# 求平均值
print(data_zglt['returns'].mean(),data_pfyh['returns'].mean())
# 求中位数
print(data_zglt["returns"].median(),data_pfyh["returns"].median())
# 求众数
print(data_zglt["returns"].mode(),data_pfyh["returns"].mode())

# 四分位数
print(data_zglt['returns'].quantile(i) for i in [0.25,0.75])
print(data_pfyh['returns'].quantile(i) for i in [0.25,0.75])


# 数据的离散度 稳定性
# 极差
print(data_zglt['returns'].max()-data_zglt['returns'].min())
print(data_pfyh['returns'].max()-data_pfyh['returns'].min())

# 平均绝对偏差(MAD:mean absolute devation)
# define：数据和均值差值的 之和 的平均数（除以N）
print(data_zglt["returns"].mad(),data_pfyh["returns"].mad())

# 方差（variance）和标准差（standard deviation）
# var define：数据和均值差值的 平方之和 的平均数（除以N-1）
print(data_zglt["returns"].var(),data_pfyh["returns"].var())
print(data_zglt["returns"].std(),data_pfyh["returns"].std())

# 描述性数据
print(data_zglt["returns"].describe(),data_pfyh["returns"].describe())