统计数据的描述就好比给这些数据做一次体检，在没有全面了解这些数据的“面目”前，我们无法准确决定该使用哪种统计方法去分析它。这里我们把统计描述的知识整理成了图表法和指标法两个部分，方便大家快速理解和掌握。 为什么一定要先观察数据？因为计量资料自带“度量衡”，数值大小本身就能传递信息，与计数资料和等级资料不同。 图表法能够迅速锁定数据的整体情况。统计表曾经是手工时代的重要工具，但现在在SPSS、R、Python这些软件里可以一键生成，很少有人再手工画表了。直方图是统计图形中的主角，它用矩形面积代表频数，能直观地展示数据集中在哪个区间以及分布是否对称。 指标法则包含了7个离散趋势指标和3个集中趋势指标。集中趋势指标有算术均数（¯x）、几何均数（G）、中位数（M）和百分位数（Px）。其中算术均数是最常用的，但容易受极端值影响；几何均数适用于平方和类数据；中位数适合偏态分布；百分位数能帮助我们将人群分成几部分进行分层研究。离散趋势指标有极差（R）、四分位数间距（IQR）、平均偏差（MD）、离均差平方和（SS）、方差（S²）、标准差（S）和变异系数（CV）。极差计算简单但容易受异常值干扰；四分位数间距能圈住一半数据；平均偏差衡量每个值与均数的平均距离；离均差平方和是平均偏差的升级版；方差是计算标准差的基础；标准差是衡量个体与整体差距的工具；变异系数可以跨量纲比较。 实际操作时要注意：对称分布用算术均数加减标准差（¯x±SD），偏态分布用中位数加上四分位数间距（M(IQR)），比较不同样本要用变异系数（CV）。在发表文章前，最好先看看直方图，如果肉眼能看到偏态分布却只用均数加减标准差描述，审稿老师可能会不太满意。记住软件能帮我们算出所有数字，但判断该用哪个指标以及什么时候用才是统计学素养的真正体现。下一篇我们会讨论正态分布，继续提升大家的“数据洞察力”。