探索性数据分析(EDA)
在统计学中，探索性数据分析是一种分析数据集以总结其主要特征的方法，通常使用统计图形和其他数据可视化方法。 可以使用或不使用统计模型，但主要是 EDA 用于查看数据可以告诉我们超出正式建模的内容，从而对比传统的假设检验。EDA 不同于初始数据分析 (IDA)，更侧重于检查模型拟合和假设检验所需的假设，并根据需要处理缺失值和进行变量转换。 EDA 包含 IDA。
EDA 的目标是：
- 启用数据中的意外发现
- 就观察到的现象的原因提出假设
- 评估统计推断所依据的假设
- 支持选择适当的统计工具和技术
- 通过调查或实验为进一步收集数据提供基础
EDA 中使用的典型图形技术有：
- 箱形图
- 直方图
- 多变量图表
- 运行图表
- 帕累托图
- 散点图（2D/3D）
- 茎叶图
- 平行坐标
- 赔率
- 有针对性的投影追踪
- 热图
- 条形图
- 地平线图
- 基于字形的可视化方法
- 投影方式
- 这些图的交互式版本
降维：
- 多维缩放
- 主成分分析（PCA）
- 多线性主成分分析
- 非线性降维（NLDR）
- 相关性的图像
典型的定量技术有：
摘录：描述性统计
import matplotlib.pyplot as plt
from IPython.display import Math, Latex
from IPython.core.display import Image
import seaborn as sns
sns.set(color_codes=True)
sns.set(rc={'figure.figsize':(10,6)})
# Uniform Distribution
from scipy.stats import uniform
number = 10000
start = 20
width = 25
uniform_data = uniform.rvs(size=number, loc=start, scale=width)
axis = sns.distplot(uniform_data, bins=100, kde=True, color='skyblue', hist_kws={"linewidth": 15})
axis.set(xlabel='Uniform Distribution ', ylabel='Frequency')
EDA可视化辅助
概要：折线图 条形图 散点图 面积图和堆积图 饼图 表格图 极坐标图 直方图 棒棒糖图 选择最佳图表 其他库
EDA数据清理和分析
概要：加载数据集 数据转换 数据分析
数据转换
概要：背景 合并数据库风格的数据框 转换技术 数据转换的好处
描述性统计
概要：理解统计 集中趋势度量 离散度量
组合数据集
概要：了解 groupby() Groupby 机制 数据聚合 数据透视表和交叉表
相关性
概要：介绍相关性 理解单变量分析 理解双变量分析 理解多变量分析 使用泰坦尼克号数据集讨论多变量分析 概述辛普森悖论 相关性并不意味着因果关系
时间序列
概要：使用开放电力系统数据了解时间序列数据集
建模
假设检测和回归
概要：假设检验 p-hacking 理解回归 回归类型 模型开发和评估
EDA产品品质数据分析
源代码
