没问题！我来帮你拆解这四个频率指标，再一步步教你怎么制作包含这些指标的频率表——这是描述统计里非常实用的工具，搞懂了能帮你快速理清数据分布～

一、四个核心指标的含义 #

先把每个指标的定义和实际意义讲清楚，用例子帮你理解：

• Raw frequency（原始频数）：就是某类别/数值区间内，数据出现的实际次数。比如统计班级学生的考试分数段，80-90分的有12人，这个12就是原始频数。
• Cumulative raw frequency（累计原始频数）：从第一个类别开始，把到当前类别的所有原始频数累加起来的结果。还是用分数段举例：60-70分有5人，70-80分有8人，80-90分12人，那80-90分的累计原始频数就是5+8+12=25，代表分数≤90分的总人数。
• Relative frequency（相对频数）：某类别的原始频数除以数据总个数，得到该类别在整体中的占比（可以用小数或百分比表示）。比如总共有50个学生，80-90分的相对频数就是12/50=0.24（或24%）。
• Cumulative percentage（累计百分比）：把从第一个类别到当前类别的相对频数（百分比形式）累加，用来展示“当前类别及之前所有类别”在整体中的占比。比如60-70分占10%，70-80占16%，80-90占24%，那80-90分的累计百分比就是10%+16%+24%=50%，意思是有一半学生的分数≤90分。

二、制作频率表的详细步骤 #

我用一组学生身高数据（单位：cm）做示例，数据如下：152,155,158,160,162,162,165,165,165,170,172,175，一步步带你做：

1. 整理数据，确定类别/区间 #

如果是连续型数据（比如身高、分数），先划分合理的区间；如果是分类数据（比如性别、学科），直接用类别即可。
这里我们把身高分成5个区间：150-155、156-160、161-165、166-170、171-175。

2. 计算原始频数（Raw frequency） #

逐个统计每个区间内的数据个数：

• 150-155：2个（152,155）
• 156-160：2个（158,160）
• 161-165：5个（162,162,165,165,165）
• 166-170：1个（170）
• 171-175：2个（172,175）

3. 计算累计原始频数（Cumulative raw frequency） #

从第一个区间开始，依次累加前面的原始频数：

• 150-155：2
• 156-160：2+2=4
• 161-165：4+5=9
• 166-170：9+1=10
• 171-175：10+2=12（等于总数据数，说明计算正确）

4. 计算相对频数（Relative frequency） #

用每个区间的原始频数除以总数据数（这里总共有12个数据），可以保留两位小数或转化为百分比：

• 150-155：2/12≈16.67%
• 156-160：2/12≈16.67%
• 161-165：5/12≈41.67%
• 166-170：1/12≈8.33%
• 171-175：2/12≈16.67%

5. 计算累计百分比（Cumulative percentage） #

把前面的相对百分比依次累加，最后结果应该接近100%（四舍五入可能有微小误差）：

• 150-155：16.67%
• 156-160：16.67%+16.67%=33.34%
• 161-165：33.34%+41.67%=75.01%
• 166-170：75.01%+8.33%=83.34%
• 171-175：83.34%+16.67%=100.01%

6. 整理成规范表格 #

最后把所有指标整合到表格里，看起来更清晰：

小提示 #

• 如果是分类数据（比如性别：男/女），直接把区间换成类别即可，计算逻辑完全一样。
• 累计百分比最后应该接近100%，如果误差过大，一定要检查原始频数或累加步骤有没有出错。
• 相对频数可以用小数（比如0.1667）或百分比，根据你的需求选择就行。

内容的提问来源于stack exchange，提问作者yre