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。

  1. 深入理解数据

  2. 发现数据的内部结构

  3. 分析数据集中重要变量

  4. 识别数据中的异常值和异常

  5. 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。

  1. 特征如何选择

  2. 特征如何编码

  3. 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()))

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

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

一看就懂的Linux系统vi(vim)编辑器命令使用教程

一看就懂的OpenGL ES教程——临摹画手的浪漫之纹理映射(实践篇)