阿里云天池学习赛【金融风控-贷款违约预测】task 2

---

2.探索性数据分析（EDA）

了解数据，熟悉数据，为后续的特征工程做准备。

探索性数据分析（Exploratory Data Analysis，简称EDA），是指一种分析数据集以概括其主要特征的方法，通常使用可视化方法。

为之后的数据预处理和特征工程提供必要的结论。

目的：

1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接 下来的机器学习或者深度学习建模；

2.了解变量间的相互关系、变量与预测值之间的存在关系；

3.为特征工程做准备.

其集中于检查模型拟合和假设检验所需的假设，以及处理缺少的值，并根据需要进行变量转换。

2.1数据载入

载入数据语句：

train = pd.read_csv('./train.csv')；
// 前几行的显示语句
train.head()；

显示结果：

2.2初步观察

导入数据后,对数据的整体结构和样例进行概览。

2.2.1基本信息

train.info()；

显示结果：

2.2.2 统计数值型数据的各个统计量