描述性统计仪表板

上传 CSV 文件，立即获取数据集中每个数值列的完整统计概况。仪表板为每列计算 14 项关键指标，渲染迷你直方图，并在有两列或更多数值列时生成皮尔逊相关热图，一眼即可发现变量间的关系。所有处理均在您的浏览器中完成，数据永不离开您的设备。

什么是描述性统计？

描述性统计汇总并描述数据集的主要特征，而不对更大的总体做出推断。它回答以下基本问题：

• 中心在哪里？ 均值、中位数和众数以不同方式捕捉”典型”值。
• 数据有多分散？ 标准差、方差、IQR 和极差量化了变异性。
• 分布形状如何？ 偏度（不对称性）和峰度（尾部权重）描述了超越简单平均的形状。
• 极端值是什么？ 最小值、最大值和四分位数展示了边界和结构。

指标说明

均值：所有值之和除以数量。对异常值敏感。

中位数：排序后的中间值。对异常值具有鲁棒性。

众数：出现最频繁的值。对于连续数据可能没有有意义的众数。

标准差：每个数据点与均值的平均距离。仪表板使用样本标准差（除以 n − 1）。

方差：标准差的平方。在许多统计公式中处于核心位置。

IQR（四分位距）：Q3 − Q1，数据中间 50% 的宽度。对异常值具有鲁棒性。

偏度：衡量分布的不对称性。接近 0 → 大致对称。正值 → 右尾长（均值 > 中位数）。负值 → 左尾长。

超额峰度：将尾部权重与正态分布（超额峰度 = 0）比较。正值（尖峰态） → 尾部更重；负值（低峰态） → 尾部更轻。

相关矩阵

有两列或更多数值列时，仪表板计算每对之间的皮尔逊相关系数 r。热图以红色显示强正相关，以蓝色显示强负相关。注意：皮尔逊 r 只测量线性关系，相关性不等于因果关系。

使用方法

1. 上传或粘贴 CSV 文件，分隔符自动检测。
2. 查看数据集概览：行数、列数、数值列、缺失值。
3. 浏览列卡片：每张显示迷你直方图和完整统计表。
4. 在页面底部查看相关矩阵。
5. 数值列超过 50 时，默认仅显示前 12 列。

隐私

所有计算在您的浏览器中本地执行，不向任何服务器传输数据。最大文件大小约 5 MB。

参考文献

• Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
• Pearson, K. (1895). Notes on regression and inheritance. Proceedings of the Royal Society of London, 58, 240–242.
• Freedman, D., Diaconis, P. (1981). On the histogram as a density estimator. Zeitschrift für Wahrscheinlichkeitstheorie, 57, 453–476.