我們能否使用一些自動化工具代替人來完成數(shù)據(jù)分析的過程呢，現(xiàn)有一些成熟的 AutoEDA 工具可以一定程度上完成上述過程。本文中，我將盤點常見的 AutoEDA 工具，歡迎收藏學習，喜歡點贊支持，文末提供技術交流群，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即可完成分析過程，將結果展示為HTML格式，同時分析功能也比較強大。

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、重復行分析
• 耗時：較少
  

2、AutoViz

https://github.com/AutoViML/AutoViz

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

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

3、Dataprep

https://dataprep.ai/

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

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、交互式分析。
• 耗時：較多
  

4、SweetViz

https://github.com/fbdesignpro/sweetviz

SweetViz是款強大的數(shù)據(jù)分析工具，可以很好的分析訓練集和測試集，以及目標標簽與特征之間的關系。

• 功能：數(shù)據(jù)集對比分析、字段類型分析、變量分布分析、目標變量分析
• 耗時：中等

5、D-Tale

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

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

• 功能：字段類型分析、變量分布分析、相關性分析、缺失值分析、交互式分析。
• 耗時：中等
  

技術交流

歡迎轉載、收藏、有所收獲點贊支持一下！

到此這篇關于Python數(shù)據(jù)挖掘中常用的五種AutoEDA 工具總結的文章就介紹到這了,更多相關Python 數(shù)據(jù)挖掘內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站！

版權聲明：本站文章來源標注為YINGSOO的內(nèi)容版權均為本站所有，歡迎引用、轉載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。