这篇文章将为大家详细讲解有关探索性数据分析工具easyeda怎么用，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
在算法工程师的日常工作中，探索性数据分析(Exploratory Data Analysis)是一种常见的任务。通过分析数据的缺失情况，分布情况，以及和标签的相关性等，数据EDA可以帮助算法工程师评估数据的质量，了解数据的特点，为特征工程提供方向指引，并对后续建立的模型能够达到的效果上限形成初步预期。
我将我常用来进行数据EDA的这套脚本封装成了一个库easyeda并在PyPI和github开源了出来。这是我个人发布的第一个开源Python包。
easyeda是一个简单但是实用的探索性数据分析工具。
easyeda可以对常见的二分类问题，多分类问题，以及回归问题进行探索性数据分析。
easyeda支持所有常见的数值型，字符串型数据，bool型数据属性的探索性数据分析。
easyeda支持常见的缺失值分析，数据分布分析，数据和label的相关性分析，训练集和测试集数据的同分布性分析。
首先，可以使用pip安装easyeda。
pip install easyeda
然后可以通过如下示范代码进行调用。
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")
核心代码只有两行：
from easyeda import eda
dfeda = eda(dftrain,dftest,language="Chinese")
关于探索性数据分析工具easyeda怎么用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
