统计的乐趣 - 致敬大师罗斯林

做数据分析的朋友一定知道统计学，是我们工作的基础。在我们眼中，统计学是很多数字和模型组成的，略显枯燥。

最近看了一个纪录片《The joy of stats》，中文译名有趣的统计学，今天给大家分享个有意思的瑞典统计学家汉斯.罗斯林，以及他眼中有意思的统计学。

《时代》杂志在2012年将汉斯·罗斯林评为了全球100位最有影响力的人物之一，称赞他使用“令人惊叹的数据展示，让全球数百万人从全新的角度审视自己和这座星球”。

01 统计学的起源与核心

首先谈到的是统计学的起源。statistics与status同源，意思是现象或现状，也与国家（states)相似含有国情调查意思，统治阶级利用数据监控老百姓，而现代统计学，是用于监控政府动态，研究社会现象的有力工具。瑞典政府是世界上第一个对人口进行统计的国家，1749年的人口统计报告表明瑞典只有两百万人口，而不是期待的2千万。

我喜欢的其中罗斯林说到的一句话是 “分析资料才是最重要的，这是统计学的核心”。回顾数据分析工作中，数据是基础，但不要沉迷于数据，要用有目的地的分析数据，找到数据背后的规律和信息，从而影响业务工作，产生价值。

02 可视化让统计变成故事

这部片子里好展示了统计学在人口、安全、卫生、健康、机器翻译、天文、自然界的变化、甚至情感等众多领域的应用。让我印象深刻和有意思是数据可视化领域。将数据背后的信息用故事传达个观众。

可视化的先驱是英国的护士和统计学家南丁格尔，她用玫瑰图，以表达军医院季节性的死亡率，对象是那些不太能理解传统统计报表的公务人员，从而推动医改。

而罗斯林也用了自己的方式来讲述有意思的数字。他自己创立了可视化软件 Trendalyzer，后被谷歌收购。他用的最多的一个可视化作品，散点图的方式描述了各国健康水平（预期寿命）和经济发展（人均GDP）的正相关性，并利用动画演示。

03 可视化实践

为了向大师致敬，我特地用可视化神器POWER BI来复现这一动态效果。

【1】数据导入与清洗：是将数字源导入POWER BI，然后在transform模式下编辑这3个数据（将第一行变成表头-1），还需要剔除国家一列中的空值-2；

【2】数据转换与重命名：由于源数据表格是表头是年份，需要用unpivot的转换成我们正常使用的行记录的形式（选择转换其它列）-3，然后对列名进行重命名。

【3】建立关系：3个数据集直接要进行关联（也就是vlookup匹配），采用间接辅助列的方式，使用国家和年份组合的方式形成唯一列country_year，然后在3个表中建立一对一关系；

【4】可视化预处理：使用散点图组件进行作图，然后注意由于人均gdp的数值很大，需要进行对数转换才能让散点图更明显（新建log10的计算列） 

【5】可视化：分别拖入图例，x轴，y轴，以及需要播放的维度 play，大功告成，神奇的动态散点图完成。

所用的数据源请关注公众号‘数据氧气’回复【人口】 即可获取源文件。

纪录片地址：

https://www.youtube.com/playlist?list=PLBE30C2B39FE4BD1C

TED演讲地址：

https://www.ted.com/talks/hans_rosling_the_best_stats_you_ve_ever_seen#t-287142