EDA（Experimental Data Analysis）之常见分析方法总结--以kaggle的泰坦尼克号之灾为例

先引入包，一般EDA需要引入如下包：

1 import numpy as np 
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 import seaborn as sns
5 plt.style.use('fivethirtyeight')
6 import warnings
7 warnings.filterwarnings('ignore')
8 %matplotlib inline

View Code

2.读入数据，一般使用data = pd.read_csv('filepath/file.csv')读取

3.正式开始EDA

看看数据的格式：

data.head()

　　2.看看数据的各个字段有多少个为null的记录

　　　　data.isnull().sum()

　　3.看看生还/死亡的人数，各占比多少

1 f,ax=plt.subplots(1,2,figsize=(18,8))
2 data['Survived'].value_counts().plot.pie(explode=[0,0.1],autopct='%1.1f%%',ax=ax[0],shadow=True)
3 ax[0].set_title('Survived')
4 ax[0].set_ylabel('')
5 sns.countplot('Survived',data=data,ax=ax[1])
6 ax[1].set_title('Survived')
7 plt.show()

View Code