1、学习知识点概要:学习如何对数据集整体概况进行分析,包括数据集的基本情况
2、学习内容:(1)了解数据集大小,原始特征维度;
(2)查看数据缺失值情查看唯一值特征情况;
(3)特征和特征之间关系,特征与目标变量之间关系
3、学习笔记:代码示例步骤:(1)导入数据分析及可视化过程需要的库
使用pip install已安装好的库,
(2)读取文件(读取文件的拓展知识)
了解TSV与CSV的区别:
(3)查看数据集的样本个数和原始特征维度
(4)查看数据集中特征缺失值,唯一值等
要熟练的记忆与使用具体的查看缺失特征及缺失率
查看训练集测试集中特征属性只有一值的特征
(5)查看特征的数值类型有哪些,对象类型有哪些
区分类别型特征和数值型特征,连续型和离散型等关系。
(6)分析数值连续型变量
分析是否符合正态分布,不符合则分析log后是否符合正态分布
(7)变量分布可视化
(8)灵活pandas_profiling生成数据报告
4、学习思考与总结:多多记忆学到的专业名词,能够熟练的分析表格。数据探索性分析是我们学习的起步阶段,可能比较苦难,但只要努力学,终会掌握这一门技术的。