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！

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)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。