大家好，我們都知道在數(shù)據(jù)挖掘的過(guò)程中，數(shù)據(jù)探索性分析一直是非常耗時(shí)的一個(gè)環(huán)節(jié)，但也是繞不開(kāi)的一個(gè)環(huán)節(jié)，本篇文章帶你盤(pán)點(diǎn)數(shù)據(jù)挖掘中常見(jiàn)的5種 AutoEDA 工具

我們能否使用一些自動(dòng)化工具代替人來(lái)完成數(shù)據(jù)分析的過(guò)程呢，現(xiàn)有一些成熟的 AutoEDA 工具可以一定程度上完成上述過(guò)程。本文中，我將盤(pán)點(diǎn)常見(jiàn)的 AutoEDA 工具，歡迎收藏學(xué)習(xí)，喜歡點(diǎn)贊支持，文末提供技術(shù)交流群，歡迎暢聊。

1、Pandas Profiling

https://pandas-profiling.github.io/pandas-profiling/docs/master/index.html

Pandas Profiling是款比較成熟的工具，可以直接傳入DataFrame即可完成分析過(guò)程，將結(jié)果展示為HTML格式，同時(shí)分析功能也比較強(qiáng)大。

功能：字段類型分析、變量分布分析、相關(guān)性分析、缺失值分析、重復(fù)行分析
耗時(shí)：較少

2、AutoViz

https://github.com/AutoViML/AutoViz

AutoViz是款美觀的數(shù)據(jù)分析工具，在進(jìn)行可視化的同時(shí)將結(jié)果保存為圖片格式。

功能：相關(guān)性分析、數(shù)值變量箱線圖、數(shù)值變量分布圖
耗時(shí)：較多

3、Dataprep

https://dataprep.ai/

Dataprep是款比較靈活也比較強(qiáng)大的工具，也是筆者最喜歡的。它可以指定列進(jìn)行分析，同時(shí)也可以在Notebook中進(jìn)行交互式分析。

功能：字段類型分析、變量分布分析、相關(guān)性分析、缺失值分析、交互式分析。
耗時(shí)：較多

4、SweetViz

https://github.com/fbdesignpro/sweetviz

SweetViz是款強(qiáng)大的數(shù)據(jù)分析工具，可以很好的分析訓(xùn)練集和測(cè)試集，以及目標(biāo)標(biāo)簽與特征之間的關(guān)系。

功能：數(shù)據(jù)集對(duì)比分析、字段類型分析、變量分布分析、目標(biāo)變量分析
耗時(shí)：中等

5、D-Tale

https://github.com/man-group/dtale

D-Tale是款功能最為強(qiáng)大的數(shù)據(jù)分析工具，對(duì)單變量的分析過(guò)程支持比較好。

功能：字段類型分析、變量分布分析、相關(guān)性分析、缺失值分析、交互式分析。
耗時(shí)：中等

技術(shù)交流

歡迎轉(zhuǎn)載、收藏、有所收獲點(diǎn)贊支持一下！

在這里插入圖片描述

到此這篇關(guān)于Python數(shù)據(jù)挖掘中常用的五種AutoEDA 工具總結(jié)的文章就介紹到這了,更多相關(guān)Python 數(shù)據(jù)挖掘內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: