人体测量数据分析报告

1. 数据概览

本次分析基于对人体测量的7个关键指标的统计分析，包括身高、头部维度（头高、头宽、头围）、眼部特征（瞳高、瞳距）以及肩宽。

2. 基本统计分析

2.1 核心统计指标

指标	均值±标准差	范围	P5-P95区间	P25-P75区间	中位数
身高	173.47±7.74	147-193	160-185	169-179.25	173
头高	23.72±2.30	17-35	21-27	22-25	24
头宽	16.47±2.52	12-28	13-20	15-18	16
头围	57.77±3.90	19-63	54-61	57-60	58
瞳高	12.03±1.34	9-17	10-14	11-13	12
瞳距	6.71±0.96	5-11	6-8	6-7	7
肩宽	42.80±4.11	35-65	37.35-48.65	40-45	42

2.2 聚类分析结果

聚类 S (样本数: 23, 占比: 15.5%)

• 身高: 160.9±4.9 (147.0-169.0)
• 头高: 21.9±2.1 (17.0-25.0)
• 头宽: 14.9±1.4 (12.0-17.0)
• 头围: 54.5±8.0 (19.0-61.0)
• 瞳高: 11.3±1.5 (10.0-17.0)
• 瞳距: 6.4±1.0 (5.0-9.0)
• 肩宽: 39.8±3.1 (35.0-47.0)

聚类 M (样本数: 74, 占比: 50.0%)

• 身高: 172.6±3.6 (164.0-181.0)
• 头高: 23.7±2.0 (18.0-29.0)
• 头宽: 16.1±2.0 (12.0-21.0)
• 头围: 57.8±2.2 (51.0-62.0)
• 瞳高: 11.8±1.1 (9.0-14.0)
• 瞳距: 6.5±0.9 (5.0-11.0)
• 肩宽: 41.8±3.3 (35.0-55.0)

聚类 L (样本数: 51, 占比: 34.5%)

• 身高: 180.5±4.8 (168.0-193.0)
• 头高: 24.6±2.4 (19.0-35.0)
• 头宽: 17.7±3.0 (12.0-28.0)
• 头围: 59.3±1.6 (54.0-63.0)
• 瞳高: 12.7±1.3 (10.0-16.0)
• 瞳距: 7.1±0.9 (6.0-10.0)

2.3 相关性分析

主要发现：

1. 身高与其他指标的相关性：

   • 与肩宽最强（0.323）
   • 与瞳高（0.328）和头围（0.296）有中等相关性
   • 与瞳距相关性最弱（0.154）

2. 头部指标间的相关性：

   • 头高与头宽相关系数为0.297
   • 头围与其他头部指标相关性相对较弱

3. 眼部特征相关性：

   • 瞳高与头宽（0.348）显示最强相关性
   • 瞳距与头宽（0.362）相关性最显著

3. 可视化分析

3.1 相关性矩阵

3.2 散点图矩阵

3.3 尺寸分布

3.4 聚类分布

4. 项目文件

• analyze_metrics.py: 分析脚本
• requirements.txt: 项目依赖

功能特点

• 基础统计分析（均值、标准差、分位数等）
• 相关性分析
• K-means聚类分析
• 可视化分析（散点图、相关性矩阵等）
• 尺码自动划分

文件结构

• analyze_metrics.py: 主要分析脚本
• analysis_report.md: 分析报告
• body_metrics.csv: 原始数据
• 输出文件：
  • metrics_statistics.csv: 统计分析结果
  • correlation_matrix.csv: 相关性分析结果
  • size_ranges.csv: 尺码划分结果
  • cluster_analysis.csv: 聚类分析结果
  • 可视化图表：
    • correlation_matrix.png
    • scatter_matrix.png
    • size_distributions.png
    • cluster_distributions.png