描述性统计分析：通过对数据进行总体和变量分布的描述，来了解数据的基本情况。这些统计分析包括中心趋势测量（均值、中位数、众数）、离散程度测量（方差、标准差、极差）和分布特征测量（偏态、峰态等）。
数据可视化：将数据以图形的方式展示出来，包括直方图、折线图、饼图、散点图等。数据可视化能够帮助人们更容易地发现数据之间的关系和规律，从而更好地理解数据。
相关性分析：通过计算不同变量之间的相关系数或协方差，来确定它们之间的联系程度。通常使用皮尔逊相关系数或斯皮尔曼秩相关系数进行计算。
假设检验：通过对样本数据进行统计学检验，来判断某个假设是否成立。例如，比较两个样本均值是否有显著差异，或者通过方差分析（ANOVA）来比较多组样本之间是否存在显著差异。
回归分析：通过建立一个数学模型，来描述自变量和因变量之间的关系。回归分析可用于探究变量之间的因果关系，或者通过预测模型来预测某个变量的未来趋势。
分类与聚类分析：分类分析通过对数据进行分类，并将其分配到不同的组别中。聚类分析则是通过计算变量之间的相似性，来将数据分为若干组。
标签：数据分析,常用,变量,哪些,相关系数,通过,之间,数据,聚类分析 From： https://www.cnblogs.com/datainside/p/17434622.html