1，信息图形化
2，平均数
3，全距
通过计算全距（也叫极差），我们可以轻易获知数据分散情况。全距指出数据的扩展范围，有点儿像测量数据的宽度。全距的计算方法是：用数据集中的最大数减去数据集中的最小数。
最小值成为下界，最大值成为上界。
全距是两度数据分散程度的既简单又方便的方法。通常并非描述数据在该全距内的分布形态的最好方法。
全距仅仅描述了数据的宽度，并没有描述数据在上，下界之间的分布形态。
4,四分位数
将数据一分为四，最小的四分位数称为四分位数，最大的四分位数称为上四分位数。中间的四分位数即中位数。
四分位距=上四分位数-下四分位数
四分位距剔除异常值。优点是：与全距相比，较少受到异常值的影响。由于四分位距仅用了处于中心部位的50%的数据。因此，无论异常值是极大值还是极小值，均被排除在外。异常值不可能处于中心部位---这意味着，数据中的所有异常值都被有效地剔除了。
5，百分位数
四分位数是将数据一分为四的数值，同理，百分位数是将数据一分为百的数值。每个百分位数按照它所分割出来的数据的百分比进行命名，因此，第十百分位数就是位于数据范围10%处的数值。通常，第k百分位数就是位于数据范围k%处的数值，常用Pk表示。
6，用箱线图绘制各种“距”
箱线图可以专门用来显示各种各样的距。箱线图显示数据的全距，四分位距以及中位数。在同一张箱线图上可以比较几批数据，也就是说，箱线图是对不同数据集进行比较的极好方法。
如果你的数据中有异常值，则全距会更宽。在箱线图上，一条条线的长度会随着上，下界的增长而增长。通过观察箱线图上的线，就能了解数据的偏斜程度。
如果箱线图是对称的，表示基础数据很可能也相当对称。
7，变异性（方差，标准差）
方差是一种非常常用的描述数据分散性的方法。
标准差才是更直观的量度方法。标准差是描述典型值与均值距离的一种方法，标准差越小，数值离均值越近。标准差可能得到的最小数值为0。
方差的速算法
8，标准分
使用标准分可以对不同数据集的数据进行比较，而这些不同数据集的均值和标准差各不相同---标准分是对不同环境下的相关数据进行比较的一种方法。