探索性數(shù)據(jù)分析工具easyeda怎么用

發(fā)布時(shí)間：2021-12-10 10:21:53 來源：億速云閱讀：214 作者：柒染欄目：大數(shù)據(jù)

這篇文章將為大家詳細(xì)講解有關(guān)探索性數(shù)據(jù)分析工具easyeda怎么用，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

在算法工程師的日常工作中，探索性數(shù)據(jù)分析(Exploratory Data Analysis)是一種常見的任務(wù)。通過分析數(shù)據(jù)的缺失情況，分布情況，以及和標(biāo)簽的相關(guān)性等，數(shù)據(jù)EDA可以幫助算法工程師評(píng)估數(shù)據(jù)的質(zhì)量，了解數(shù)據(jù)的特點(diǎn)，為特征工程提供方向指引，并對(duì)后續(xù)建立的模型能夠達(dá)到的效果上限形成初步預(yù)期。

我將我常用來進(jìn)行數(shù)據(jù)EDA的這套腳本封裝成了一個(gè)庫(kù)easyeda并在PyPI和github開源了出來。這是我個(gè)人發(fā)布的第一個(gè)開源Python包。

一，easyeda簡(jiǎn)介

easyeda是一個(gè)簡(jiǎn)單但是實(shí)用的探索性數(shù)據(jù)分析工具。

easyeda可以對(duì)常見的二分類問題，多分類問題，以及回歸問題進(jìn)行探索性數(shù)據(jù)分析。

easyeda支持所有常見的數(shù)值型，字符串型數(shù)據(jù)，bool型數(shù)據(jù)屬性的探索性數(shù)據(jù)分析。

easyeda支持常見的缺失值分析，數(shù)據(jù)分布分析，數(shù)據(jù)和label的相關(guān)性分析，訓(xùn)練集和測(cè)試集數(shù)據(jù)的同分布性分析。

二，使用范例

首先，可以使用pip安裝easyeda。

pip install easyeda

然后可以通過如下示范代碼進(jìn)行調(diào)用。

from easyeda import eda
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split


boston = datasets.load_boston()
df = pd.DataFrame(boston.data,columns = boston.feature_names)
df["label"] = boston.target
dftrain,dftest = train_test_split(df,test_size = 0.3)
dfeda = eda(dftrain,dftest,language="Chinese")

探索性數(shù)據(jù)分析工具easyeda怎么用

核心代碼只有兩行：

from easyeda import eda
dfeda = eda(dftrain,dftest,language="Chinese")

關(guān)于探索性數(shù)據(jù)分析工具easyeda怎么用就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

向AI問一下細(xì)節(jié)

探索性數(shù)據(jù)分析工具easyeda怎么用

一，easyeda簡(jiǎn)介

二，使用范例

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽

二，使用范例