溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關探索性數據分析工具easyeda怎么用，文章內容質量較高，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。
在算法工程師的日常工作中，探索性數據分析(Exploratory Data Analysis)是一種常見的任務。通過分析數據的缺失情況，分布情況，以及和標簽的相關性等，數據EDA可以幫助算法工程師評估數據的質量，了解數據的特點，為特征工程提供方向指引，并對后續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據EDA的這套腳本封裝成了一個庫easyeda并在PyPI和github開源了出來。這是我個人發布的第一個開源Python包。
easyeda是一個簡單但是實用的探索性數據分析工具。
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據分析。
easyeda支持所有常見的數值型，字符串型數據，bool型數據屬性的探索性數據分析。
easyeda支持常見的缺失值分析，數據分布分析，數據和label的相關性分析，訓練集和測試集數據的同分布性分析。
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")
關于探索性數據分析工具easyeda怎么用就分享到這里了，希望以上內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。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
