一看就懂 通俗易懂的EDA的教程!
Posted Python学习与数据挖掘
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一看就懂 通俗易懂的EDA的教程!相关的知识,希望对你有一定的参考价值。
欢迎关注 ,专注Python、数据分析、数据挖掘、好玩工具!
EDA介绍
Exploratory Data Analysis
是数据科学领取理解和分析数据的方法,通过不断的收集、分析和假设验证,以取得对数据的深入理解。
本文将使用的Automobile Dataset
来进行EDA过程,并试图给介绍EDA的具体步骤。
-
什么是EDA?
-
为什么做EDA?
-
如何做EDA?
什么是EDA?
EDA用于从数据中获取规律,使用一些统计值和可视化技术在数据中找到不同的模式、关系和异常情况。
-
深入理解数据
-
发现数据的内部结构
-
分析数据集中重要变量
-
识别数据中的异常值和异常
-
验证数据假设
为什么做EDA?
在比赛中所有选手给定的介绍和数据相同的情况下,从EDA发现的信息越多,对我们建模就更加有帮助。
-
特征如何选择
-
特征如何编码
-
数据如何划分
如何做EDA?
首先我们读取Automobile Dataset
:
https://www.kaggle.com/toramky/automobile-dataset
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
auto=pd.read_csv('Automobile dataset.data')
查看每列的类型:
auto.info()
接下来可以检查下每列的缺失值情况:
auto.isnull().sum()
由于原始数据缺失值可能使用?
代替,所以这里我们看不出具体缺失值的情况。此外数据集里面有一些字段应该是数值类型,但编码为类别信息了。
接下来我们查看下每列的取值空间:
for col in auto.columns:
print('{} : {}'.format(col,auto[col].unique()))
对?
进行替换,然后统计缺失值:
for col in auto.columns:
auto[col].replace({'?':np.nan},inplace=True)
auto.isnull().sum()
接下来对缺失值出现情况进行可视化:
sns.heatmap(auto.isnull(),cbar=False,cmap='viridis')
我们发现较多缺失值出现在normalized_losses
列,但我们不能直接删除,可能这一列包含重要信息。
接下来对列进行相关性分析:
plt.figure(figsize=(10,10))
sns.heatmap(auto.corr(),cbar=True,annot=True,cmap='Blues')
我们可以发现较多变量之间是存在强相关的,接下来我们可以对强相关的列进行分析,如horsepower和price:
plt.figure(figsize=(10,10))
plt.scatter(x='horsepower',y='price',data=auto)
plt.xlabel('Horsepower')
plt.ylabel('Price')
类似的,我们还可以对其他强相关列进行类似分析,通过分析可以得到:
-
两个变量如何相互影响。
-
变量的笛卡尔积对标签是否有影响。
-
两个变量是否存在交叉的可能。
技术交流
欢迎转载、收藏、有所收获点赞支持一下!
目前开通了技术交流群,群友超过2000人,添加方式如下:
如下方式均可,添加时最好方式为:来源+兴趣方向,方便找到志同道合的朋友
- 方式一、发送如下图片至微信,进行长按识别,回复加群;
- 方式二、直接添加小助手微信号:pythoner666,备注:来自CSDN
- 方式三、微信搜索公众号:Python学习与数据挖掘,后台回复:加群
以上是关于一看就懂 通俗易懂的EDA的教程!的主要内容,如果未能解决你的问题,请参考以下文章
一看就懂的DDD-(Domain Drive Design领域驱动设计)设计思想
一看就懂的DDD-(Domain Drive Design领域驱动设计)设计思想
史上最通俗易懂的Python入门教程,漫画图文生动有趣,一看就会