本文插图
右上角有两个明显的异常值 。 与其他数据相比 ， 有两个国家的人口水平非常极端 。 可以验证观察分析“population”变量本身：
sns.kdeplot(df1['population'], shade=True, color='orangered')

本文插图
检测异常值的另一种方法是绘制一些箱形图：
df1.plot(kind='box', subplots=True, layout=(3,3), sharex=False, sharey=False, figsize=(20, 20), color='deeppink')

本文插图
还可以显示这些变量的密度图并分析其偏斜度：
df1.plot(kind='density', subplots=True, layout=(3,3), sharex=False, figsize=(20, 20))

本文插图
在这个例子中 ， 我故意不处理离群值 ， 但是有多种方法可以实现 。
相关性关联变量将为您节省大量的分析时间 ， 这是对数据执行任何假设之前的必要步骤 。 相关性只计算数值变量 ， 因此了解数据集中的变量类型很重要 。
mask = np.tril(df1.corr())sns.heatmap(df1.corr(), fmt='.1g', annot = True, cmap= 'cool', mask=mask)

本文插图
我屏蔽了左下角的值 ， 以避免重复并提供更清晰的视图 。 右侧的值标度还提供了极值的快速参考指南：您可以轻松地发现变量之间的高低相关性 。 （例如“national income（国民收入）”与“purchasing power（购买力）”具有高度正相关）
结论EDA对于理解任何数据集都是至关重要的 。 但是EDA需要做大量准备工作 ， 因为现实世界中的数据很少是干净且同质的 。 人们常说 ， 数据科学家宝贵的时间中有80％花费在查找、清理和组织数据上 ， 而仅剩下20％的时间用于实际执行分析 。

• 同样是做数据分析，你月薪8k他30k，到底差在了哪？
• 空间异常即刻诊断，华为云DAS服务新增空间&元数据分析特性
• 智慧黑科技NASA追踪16年冰盖消失和海平面上升 大数据分析得出这个“结果”
• 风雨顺德人还能这样做，A股大涨之后何去何从？数据分析告诉你
• 生命科学数据分析软件GraphPad加速中国市场开拓
• #Python#花了1个月时间，把Python库全部整理出来了，覆盖所有，建议收藏
• 『python训练营』数据分析：寻找Python最优计算性能
• [湃绅Python]探索性数据分析——用Python表达EDA的一种快速方法
• 帆软软件TB：2020年最受领导欢迎的工具！解放IT，小白式数据分析都靠它
• 【财经密报】2019年中国家电线上、线下市场销售数据分析