這篇文章將為大家詳細講解有關探索性數(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參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

創(chuàng)新互聯(lián)，為您提供重慶網(wǎng)站建設公司、成都網(wǎng)站制作、網(wǎng)站營銷推廣、網(wǎng)站開發(fā)設計，對服務成都廣告設計等多個行業(yè)擁有豐富的網(wǎng)站建設及推廣經(jīng)驗。創(chuàng)新互聯(lián)網(wǎng)站建設公司成立于2013年,提供專業(yè)網(wǎng)站制作報價服務,我們深知市場的競爭激烈，認真對待每位客戶，為客戶提供賞心悅目的作品。 與客戶共同發(fā)展進步，是我們永遠的責任！

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。通過分析數(shù)據(jù)的缺失情況，分布情況，以及和標簽的相關性等，數(shù)據(jù)EDA可以幫助算法工程師評估數(shù)據(jù)的質(zhì)量，了解數(shù)據(jù)的特點，為特征工程提供方向指引，并對后續(xù)建立的模型能夠達到的效果上限形成初步預期。

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

一，easyeda簡介

easyeda是一個簡單但是實用的探索性數(shù)據(jù)分析工具。

easyeda可以對常見的二分類問題，多分類問題，以及回歸問題進行探索性數(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的相關性分析，訓練集和測試集數(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")

核心代碼只有兩行：

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

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

網(wǎng)頁標題：探索性數(shù)據(jù)分析工具easyeda怎么用
文章起源：http://sd-ha.com/article32/gpgdpc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站排名、全網(wǎng)營銷推廣、外貿(mào)建站、域名注冊、品牌網(wǎng)站建設、小程序開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)