Dadawhale 入门数据挖掘-Task2 EDA 数据探索性分析

1 EDA的定义

探索性数据分析（Exploratory Data Analysis，简称EDA），指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。探索性数据分析是上世纪六十年代提出，其方法有美国统计学家John Tukey提出的。

2 EDA的计划：

1、形成假设，确定主题去探索；
2、清理数据，网上有一个网址公布斯坦福有一个软件叫datawrangler可以供大家自己免费下载，用于探索数据分析，很快的解决数据清洗的工作；
3、评价数据质量；
4、数据报表；
5、探索分析每个变量；
6、探索每个自变量与因变量之间的关系；
7、探索每个自变量之间的相关性；
8、从不同的维度来分析数据。

3 具体步骤

3.1 载入各种数据科学以及可视化库

例如pandas, numpy, matplotlib等库，这些库可以使用pip install进行安装。

3.2 载入数据

一般以.csv文件提供数据集，所以可以使用pandas的read_csv()进行读取，其中sep=’ '表示以空格进行划分数据。

Train_data = pd.read_csv('train.csv', sep=' ')

在载入数