python相关性分析后怎样删除特征_震惊！数据分析还能这样做？

原标题：震惊！数据分析还能这样做？

数据分析概述

数据分析完整工作流程

关于数据分析的大体流程这里以图形的形式展现给大家，就不做过多的讲述。

数据探索与相关性分析

这一部分是直接从数据分析工作流程中的数据整理与清洗开始。

数据探索，探索性数据分析(Exploratory Data Analysis)，简称EDA。传统的统计方法是先假定数据服从某种分布，然后运用这种模型进行预测，以概率论为基础，做参数检验。而EDA则是强调数据，“抛开”概率的理论，从数据出发，主要手段是汇总统计，可视化。

在进行EDA时，我们可以分为三个阶段，分别是：

数据概况分析

单变量分析

多变量分析

用图形来展示如下：

接下来跟大家简单的分享一下数据探索性分析的流程，下面的所有过程都会使用到Python的pandas包。

数据概况分析

在数据概况分析阶段，我们主要了解数据整体的基本情况，比如数据的离散程度，数据的分布等，以及数据中是否存在异常值/缺失值。这里以二手车价格预测的数据来做个例子。(代码看不懂没关系，看结果就好，不妨碍理解)

结果如下图所示。