文章图片
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))

文章图片
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)

文章图片
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“nationalincome（国民收入）”与“purchasingpower（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 。

• 埃尔法哥哥我学python的一点感受
• Python小镇Python必备技能：用pandas读Excel常见操作
• Python爱好者社区漫画 | 程序员逆天改命
• 全民学Python的热潮，风变编程带你领略它的独特魅力
• 埃尔法哥哥python教程：TF模型部署的特点
• Python1怎样解决虚拟内存不足问题
• 埃尔法哥哥Python入门系列9-Python数据类型
• Python为何我们用 Go 而非 Python 来部署机器学习模型？
• 「开源中国」Python 教程，面向数据科学和机器学习初学者，微软再推免费在线
• 【开源中国】微软再推免费在线 Python 教程，面向数据科学和机器学习初学者